L'annotation semi-automatique... en attendant mieux

Il reste pour l'heure impossible d'indexer automatiquement une image. S'ils savent lui accoler les mots clés d'une image similaire, les systèmes les plus avancés ne la décrivent que sommairement.

Dans moins de dix ans, apparaîtront les premiers systèmes capables d'indexer automatiquement images et vidéo. ' Les derniers verrous technologiques sont sur le point de sauter ', estime Patrick Hède, chercheur au Commissariat à l'énergie atomique (CEA). Les logiciels actuels ne savent que trouver les images identiques ou similaires à une image de référence. Ils comparent les signatures électroniques (aussi nommées ADN) préalablement calculées selon les formes, les couleurs, les textures... Le système fonctionne, mais son champ d'application se cantonne à quelques marchés de niche surtout en rapport avec l'investigation (lutte contre la pédophilie, protection des marques, etc.).Tout en peaufinant cette approche, les spécialistes du multimédia lui adjoignent des outils évolués d'indexation textuelle qui prennent en compte les mots clés associés à l'image. ' La recherche devient multimodale ', note Chahib Nastar, PDG de LTU. Cet éditeur, émanation de l'Inria, travaille ainsi avec Lingway ou Albert pour la partie textuelle. Newphenix, start up française liée au CEA, a, elle, développé un outil sémantique fort utile. Il évite, par exemple, qu'une recherche sur l'expression ' bras de mer ' ne remonte des photos d'un membre sous prétexte que le mot ' bras ' est présent dans les métadonnées. Mais le problème de fond demeure : comment associer des mots clés à des images sans solliciter de coûteuses ressources humaines ?

Le système reconnaît l'herbe, l'eau...

Une méthode consiste à renseigner manuellement un échantillon d'images, puis à étendre les mots clés aux images similaires en se fondant sur la proximité de leur ADN. LTU travaille aussi sur des techniques de réseaux de neurones et de raisonnement à base de cas. Son PDG cible l'annotation semi-automatique. Plus ambitieux, certains visent, comme Newphenix, l'indexation automatique. Dans une salle de démonstration du CEA, un système développé par cet éditeur commente les images qu'on lui présente. Il reconnaît s'il s'agit d'une photographie ou d'une prise de vue extérieure, si elle comporte des visages, du ciel, de la neige... La méthode est la suivante : l'image subit une segmentation. Des régions sont isolées, que le système cherche à rapprocher de ce qu'il connaît en termes de texture et de couleurs. ' Il a appris ce qu'est l'eau, l'herbe, etc. ', indique Patrick Hède, du CEA.Mais le système peine à reconnaître les formes. La difficulté peut être contournée en se fondant sur le contexte ?" comme la position de l'objet dans l'image (haut/ bas, premier plan/arrière-plan, etc.) ?" pour restreindre le champ des possibilités. L'augmentation de la puissance de calcul ouvre également de nouvelles perspectives. C'est aussi vrai dans la reconnaissance vocale. ' Aujourd'hui, il faut une heure de calcul pour traiter une heure de bande-son, alors qu'il y a dix ans il en fallait deux cents ', précise Michel Verrel, PDG de l'éditeur français Vecsys. A l'instar des spécialistes de l'image, ceux du traitement de la parole prônent un décloisonnement des technologies. Ainsi, dans Quaero, le futur moteur franco-allemand, collaborent notamment LTU, Vecsys et Exalead pour la partie texte.