 |
Nutzen Sie die Stärken künstlicher Intelligenz und maschinelles Lernen, um visuelle Medien automatisch zu taggen. |
Clarifai verwendet Deep-Learning-Technologien, um Bilder visuell zu interpretieren. Dieser Connector bietet die Möglichkeit, die fortschrittliche KI-Technologie von Clarifai in der eigenen Picturepark-Umgebung zu nutzen.
- Nahtlose Integration von Autotagging per künstlicher Intelligenz (KI) in Picturepark.
- Zeit sparen, indem Deep Learning-Algorithmen die mühsamen Arbeiten übernehmen.
- Einfache, intuitive und leicht verständliche Suche nach visuellen Konzepten.
- Anpassung von Metadaten-Kategorien nach eigenen Vorgaben.
Zeit sparen und Effizienz maximieren
Das manuelle Einfügen von Tags kann sehr zeitaufwändig und mühsam sein. Viele Mannstunden und sich ständig wiederholender Arbeitsabläufe können eingespart werden. Durch die Nutzung von KI und Autotagging kann man die Zeit stattdessen mit der Kuratierung und Organisation von Content verbringen.
Eigenen Content personalisieren
Wir wissen, dass sich Bedürfnisse von Unternehmen zu Unternehmen unterscheiden. Deshalb ermöglicht Picturepark die komplette Kontrolle über das Autotagging der eigenen Metadaten. Neben vordefinierten Taxonomien können auch komplett eigene Vokabulare verwendet werden. Als Superuser kann man eigene Keywords, basierend auf bestimmten Bedingungen, oder ganzen Keyword-Gruppen auswählen. Man kann festlegen, wie der eigenen Content getaggt wird, welche Keywords ignoriert werden und welche besonderes Gewicht haben sollen.
Taxonomien und Suchresultate verbessern
Intelligent erzeugte “Bucket”-Keywords erkennen Bereiche in visuellen Medien, die bisher nicht getaggt wurden. Bucket-Keywords verbessern die Taxonomie und führen zu verbesserter Genauigkeit des getaggten Contents, wodurch die Suche nach genau diesem Stück Content noch einfacher und schneller wird.
Die Suche wird zum Kinderspiel
In Verbindung mit semantischer Suche macht der Clarifai-Connector die Suche nach bestimmten Inhalten noch einfacher. Verschiedene Benutzer im gleichen Unternehmen haben unterschiedliche Suchgewohnheiten, was berücksichtigt wird. Bei der Suche nach einem Bild sucht ein Benutzer des Unternehmens vielleicht nach dem allgemeine Begriff “Hund”, wodurch ein ausdrücklich als “Yorkshire Terrier” getaggtes Bild nicht in den Ergebnissen auftaucht. Durch die Verwendung von Parent-Child-Taggruppen gehören schlechte Suchergebnisse der Vergangenheit an. Stattdessen wird visueller Content bspw. folgendermassen getaggt:
- Begriff (child): Yorkshire Terrier
- Überbegriff (parent): Hund
- Über-Überbegriff (grand parent): Säugetier
- Über-Über-Überbegriff (great-grand parent): Tier
Dadurch wird die Suche schneller und genauer denn je und funktioniert dabei auch bei unterschiedlichen Gewohnheiten einer breiteren Nutzergruppe. Die Nutzer können so suchen, wie sie wollen und nicht, wie es ein System vorgibt.
| Unterstützt | Lizenz | Lieferant | Zertifiziert | Kontakt |
| Content Platform Picturepark DAM | Open Source (MIT) | Picturepark | Ja | Sales |