超级忙碌的一周

archiva项目又是没有动过，课外书如果不是今天莫名其妙熬夜，也差不多没有看。。。本周真是过得快。。。总结一下下我肯定会忘记的东西。。。：

一。重新看了看mpeg4的大纲。

         1。mpeg4希望建立起一个multimedia的系统，同时包括local的和remote的，类似于现今的文件系统，既然是文件系统，自然要定义一下系统方式，也就是DMIF network interface(DNI)。 DNI同学不过是一个定义了的接口，做事情的同学是TransMux Layer，这个同学比较任性，只要做的成事情，随便怎么做都可以，他通常使用的工具是UDP/IP, MEPG2 TS, AAL2 ATM, H223 PSTN等等。

         2。既然号称multimedia了，那么自然包罗万象。video，text，audio，speech，2D/3D image全有了。这些在以前标准里面担任主角的同学们都降了一个档次，被通称为object了，管理他们的是一个叫Scene description的老大。Scene description很牛，作为文本文件的他可以单独占用一个流。听说这样可以方便他拍用户和制作人员的马屁，让他们直接修改那些明星object的属性。

         3。audio同学在我看的文档里面似乎没有什么进步，还是AAC，还有一个我不知道的TwinVQ。现在听说AAC集团新加入了AAC plus，用了超级先进的***bond技术（忘记了），码率大减。而speech就是HVXC和CELP，唉，又是我不太懂的东西，不过最先进的应该是WMA，去年才出来的。在人造声音方面，先是TTS的codec，mpeg4对于人工智能自然懒的多研究，定义了一个接口（TTSI）了事。然后就是structured audio了（比如著名的midi），但是mpeg4里面当然不能叫做midi啦，所以用了比midi全面和通用的SAOL和SASL作为接口。

        4。imgae和animation部分作为video的一个子集也入了标准，包括了2d/3d Mesh＋texture，脸部和身体动画，对于Mesh的压缩似乎利用偏移向量和affine矩阵，texture用了可爱的wavelet（天生具有scalability的好东西，可惜对于video的压缩率不够，值得研究啊），人脸不懂，貌似定义了一些预定动作和与声音同步的方式；身体也就和3d的mesh差不多啦。。。

        5。video是我的最爱啊，这次严重考虑了网络传输时候的robust,搞出了很多回复和定位的方法，比较有创意的是把运动向量和dct系数分的很开了，RVLC也终于入了mpeg。

        6。还有要记录的的就是著名的fine grain scalablity技术，不过现在大家都应该知道了吧。。。

 

 

二。2个关于video segment的paper。

         第一篇是完全看不懂的数学，我看至关键部分很欢畅的放弃了。。。提一下paper的title：robost Segmentation and Tracking of Colored Objects in Video (IEEE Trans. on cCRICUITS AND SYSTEMS FOR VIDEO TECH. 2004).

         第二个我貌似懂过的，但是现在又不太懂了，在看了一眼回忆了大概，貌似是用KMCC做出第一个frame的segment（输入是CIEL空间的颜色，避免luma的影响），然后自己设计了启发式的trace方法去trace接下去每一个frame的segment（比较搞，用了bayes分类），和别人不一样的是，他没有先组合segment成object，而是trace完了才干的，据他说效果不错。组合的算法也号称独创，独创往往意味着启发式。。。大家心照：）。 贴一下title：Video Ojbect Segmentation Using Bayes -Based Temporal Trracking and Trajectory-Based Region Merging（IEEE Trans. on cCRICUITS AND SYSTEMS FOR VIDEO TECH.2004).

         两个paper其实和我的research毫无关系啊，白白看了一个晚上。。。

 

嗯。其他的，忘了就忘了吧。。。。