Diversifying landmark image search results by learning interested views from community photos

Abstract

In this paper, we demonstrate a novel landmark photo search and browsing system, Agate, which ranks landmark image search results considering their relevance, diversity and quality. Agate learns from community photos the most interested aspects and related activities of a landmark, and generates adaptively a Table of Content (TOC) as a summary of the attractions to facilitate user browsing. Image search results are thus re-ranked with the TOC so as to ensure a quick overview of the attractions of the landmarks. A novel non-parametric TOC generation and re-ranking algorithm, MoM-DPM Sets, is proposed as the key technology of Agate. Experimental results based on human evaluation show the effectiveness of our model and user preference for Agate.

Extracting Touristic Information from Online Image Collections

“…In particular, the method uses the statistics of temporal metadata in geo-referenced images, trying to estimate the duration of the visit of a user in a specific location. In [11], in addition to geo-referenced information, the authors exploit a different type of metadata: the user interests. The system search for images on both a generic search engine and Flickr, and Flickr images are sorted according to the users preferences.…”

Design and Implementation of Tourist Landmarks Recommending System

“…Recent years, as the rapid development of Internet technology and tourism, the relevant pictures and their information become more and more valuable and indispensable. How to mine and obtain the information from those pictures is always a hot pot in data mining, image processing and also related academic fields [1][2][3].…”

Τεχνικές Εξόρυξης Γνώσης Για Χαρακτηρισμό Περιεχομένου Και Παροχή Συστάσεων Στον Κοινωνικό Ιστό

“…΄Εχει αποδειχτεί ότι οι εικόνες δηµοφιλών σηµείων ενδιαφέροντος σε διάφορες περιοχές του κόσµου µπορούν επιτυχώς να ανακτηθούν από µεγάλα σύνολα επισηµασµένων εικόνων. Επιπρόσθετα, για κάθε εντοπισµένο σηµείο µπορούν να ταυτοποιηθούν διαφορετικές αντιπροσωπευτικές εικόνες-στιγµιότυπα (Kennedy & Naaman, 2008) (Ren, Yu, Wang, Zhang, & Ma, 2010), οδηγώντας σε µεγαλύτερης ποικιλίας εικονογραφικές περιγραφές. Παρά το τεράστιο ενδιαφέρον σε αυτό το πρόβληµα, οι περισσότερες από τις υπάρχουσες ερευνητικές εργασίες περιορίζονται στην ανακάλυψη εξέχοντων σηµείων ενδιαφέροντος τα οποία αντιπροσωπεύονται επαρκώς στις συλλογές εικόνων.…”