CUSTOMER SUCCESS STORY / VIDISPINE
Künstliche Intelligenz in der Media Supply Chain
INDUSTRIE
IT-Unternehmen
PRODUKT
Ergänzung eines Medienverwaltungssystems durch automatische Bild- und Videoerkennung sowie integrierte Möglichkeit der Erzeugung individueller KI Modelle.
Press release
Mithilfe von DeepVA kann der User intuitiv und einfach direkt im Media Asset Management System Trainingsdaten anlegen und verwalten.
This greatly increases identification performance in the field of face recognition.
Mit unserem Know-How helfen wir Ihnen, eine perfekte Lösung für Ihr Projekt zu finden!
KI EXPERTEN KONTAKTIERENArvato Systems ist ein international agierender IT-Spezialist und Multi-Cloud Service Provider, der es sich zur Aufgabe gemacht hat, verschiedene Unternehmen bei ihrer digitalen Transformation zu unterstützen. Schnelle und sichere IT-Systeme bringen Arvatos Kunden in die Cloud und sorgen mithilfe von IoT, Blockchain oder Künstlicher Intelligenz für maximal vernetzte Anwendungen und Geschäftsprozesse.
With VidiNet, Arvato Systems offers a cloud-based media service platform of the Arvato Systems brand Vidispine, which constitutes a highly efficient basis for the entire content chain with its numerous applications. Sie bietet Anwendern eine Reihe von Services und Apps in einer vorintegrierten Umgebung als SaaS Lösungen. Damit unterstützt die Plattform nicht nur verschiedene Medien-Workflows, sondern erlaubt beliebige Skalierungsmöglichkeiten für den professionellen Einsatz.
Die Kooperation unserer KI-Software mit dem Arvato Systems Vidispine Team stellte sich als voller Erfolg heraus. Bereits zu Beginn waren sowohl wir als auch das Team von Arvato Systems fasziniert von der Idee, Medienworkflows maximal zu automatisieren und das mit den progressivsten Tools aus dem IT-Werkzeugkasten, nämlich KI im Bereich Computer Vision. Der Nutzer des Media-Asset-Managementsystems soll in die Lage versetzt werden, die Erkennung von Inhalten aus Bild und Video, die Erstellung eigener KI-Modelle und die Qualitätssicherung seiner Trainingsdaten eigenhändig überwachen und steuern zu können.
Die Implementierung vorgefertigter KI-Modelle im Bereich Computer Vision liefert in der Praxis selten den erhofften Mehrwert. Die Integration in ein MAM kann zwar unkompliziert und schnell sein, aber die Erkennungsleistung ist stark eingeschränkt. So müssen die meisten Unternehmen auch beispielsweise Personen in Bildern und Videos erkennen, die nicht teil eines bereits existierenden KI-Modells sind. ie Modelle müssen stetig erweitert, aktualisiert und angepasst werden. Die nötigen Werkzeuge dafür müssen dem Nutzer direkt im MAM transparent zur Verfügung gestellt werden.
Eigene Lösungen zu entwickeln, um KI-Modelle präzise an die eigenen Unternehmensbedürfnisse anzupassen, ist in der Regel teuer und erfordert Expertenwissen im Bereich Machine Learning.
Unsere Erfahrungen mit generischen KI-Lösungen ist, dass die gewünschten Entitäten im eigenen Content oftmals nicht erkannt werden. Trainingsdatenerstellung und Datensatzverwaltung sind komplex und zeitintensiv. Die Integration von DeepVA in Vidispine und VidiNet hat uns gezeigt, dass individualisierbare KI in der vertrauten MAM-Oberfläche intuitiv und unkompliziert sein kann.
Ralf Jansen
Software Architekt bei Vidispine – An Arvato Systems Brand
DeepVA, in contrast to other business organizations in the field of computer vision, offers the possibility to automatically create own AI models, resulting in more individual content that can be recognized from media assets compared to “pre-trained models”.
The cooperation between DeepVA and VidiNet allows for building individual AI models in the MAM system without any prior technical knowledge. Durch den wachsenden Bestand an Trainingsdaten, die nicht umsonst als das Gold des datengetriebenen Zeitalters gelten, steigt die Erkennungsleistung im Bereich der Personenerkennung rapide an. This results in a more detailed and higher quality tagging of images and videos and as a result in an improved searchability of all content. Zudem werden über das sogenannte Face Indexing (das Vergeben einer individuellen ID für nicht erkannte Personen) weiterführende Analysen sowie eine Rückwärtssuche ermöglicht. This optimizes workflows in the MAM and greatly saves time and costs. Employees must no longer spend their time on monotonous and repetitive manual tagging of media content, but instead create an intelligent and constantly improving visual data management system with just a few clicks.
DeepVA, VidiNet, and the accompanying VidiNet Cognitive Services, create a highly integrated MAM ecosystem that allows users to build their own AI models in a simple and intuitive way. Über die Integration von DeepVA in VidiNet können die dafür benötigten Trainingsdaten effizient angelegt und verwaltet werden. Beispieldaten können manuell eingepflegt oder über ein Tool direkt aus Videos ausgeschnitten und beschriftet werden. Mit der Face Dataset Creation wird sogar die automatisierte Generierung von Trainingsdaten möglich, die aus Interviewszenen Beispielbilder extrahiert und abspeichert. Zusätzlich zur Verwaltung der Trainingsdaten werden diese auch automatisch hinsichtlich ihrer Qualität für die Verwendung in einem KI-Modell geprüft.
SCHNELLERE DATENERFASSUNG
BEDARF AN KI-EXPERTEN
FASTER LABELLING
Kontaktieren Sie uns und wir beantworten gerne alle Ihre Fragen.
Nehmen Sie Kontakt mit uns auf, um:
Das Projekt wurde indirekt durch das Rahmenprogramm Horizon 2020 der Europäischen Kommission über das Projekt STADIEM (Grant Agreement 957321) gefördert.
don't miss the latest news
Don’t worry, we reserve our newsletter for important news, so we only send a few updates once in a while.