Abstract-Band - Fakultät für Informatik, TU Wien - Technische ...
Abstract-Band - Fakultät für Informatik, TU Wien - Technische ...
Abstract-Band - Fakultät für Informatik, TU Wien - Technische ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Jakob Matthias Fellner<br />
Pattern-Based MIDI Composing<br />
Studium: Masterstudium Medieninformatik<br />
BetreuerIn: Ao.Univ.Prof. Dr. Horst Eidenberger<br />
Die vorliegende Diplomarbeit beschäftigt sich mit Ansätzen des algorithmischen<br />
Komponierens. Verfahren aus diesem Bereich sollen dabei mit der<br />
Disziplin der Mustererkennung vereint werden. Das Ziel der Arbeit ist die<br />
Generierung von neuen Musikstücken, welche deutliche Parallelen zu zuvor<br />
ausgewählten Kompositionen aufweisen. Zu diesem Zweck werden kurze und<br />
prägnante Notenfolgen, sogenannte Motive, aus diversen Liedern extrahiert.<br />
Die so gewonnenen Teile dienen anschließend als Input <strong>für</strong> Verfahren der<br />
algorithmischen Komposition. Die erstellten Musikstücke sollen einen möglichst<br />
harmonischen Klangeindruck hinterlassen. Im Zuge dieser Diplomarbeit wurde<br />
ein Software-System implementiert, welches in der Lage ist, Motive in Musikstücken<br />
zu finden und diese im Anschluss zu extrahieren. Weiters wurden zwei<br />
unterschiedliche Verfahren der algorithmischen Komposition ausgewählt,<br />
welche sich in der umgesetzten Software aus den Ergebnissen der Motiv-<br />
Erkennung bedienen. Auf dieser Basis können Musikstücke im MIDI-Format<br />
generiert werden. Als Hinführung auf das Thema der Motiv-Extraktion und der<br />
algorithmischen Komposition werden zunächst unterschiedliche Verfahren und<br />
Ansätze im Detail erläutert. Im Anschluss wird das Konzept der implementierten<br />
Software vorgestellt. Am Ende der Arbeit erfolgt die Präsentation der erzielten<br />
Ergebnisse anhand der Evaluierung einer quantitativen Umfrage.<br />
Christoph Fuchs<br />
Videosegmentierung durch Analyse audiovisueller Merkmale<br />
Studium: Masterstudium Visual Computing<br />
BetreuerIn: Ao.Univ.Prof. Dr. Horst Eidenberger<br />
Die Segmentierung und Klassifikation von Videos ist aufgrund der steigenden<br />
Anzahl von digitalen Videos manuell nicht mehr zu beherrschen. Es werden<br />
Algorithmen benötigt, die in der Lage sind aus dem Videomaterial relevante<br />
Informationen zu extrahieren, welche <strong>für</strong> aussagekräftige Beschreibungen<br />
geeignet sind. In der vorliegenden Diplomarbeit wird ein System zur Klassifikation<br />
von Videos durch Analyse audiovisueller Merkmale vorgestellt. Ein solches<br />
Vorhaben stellt auf beliebigem Videomaterial ein komplexes Problem dar, da<br />
diese Merkmale in der Lage sein sollen, die semantische Bedeutung von<br />
Bildern und Audiosignalen aus Videos zu erfassen. Aus diesem Grund wird in<br />
dieser Arbeit der Anwendungsbereich der Videoklassifikation auf Szenen der<br />
Muppet Show beschränkt. Zunächst werden grundlegende Ansätze und<br />
Methoden zur Videoanalyse in einer umfassenden Literaturstudie erklärt. Nach<br />
einem kurzen Überblick über die Entstehung der Muppet Show, zeigt eine<br />
Analyse des Videomaterials die charakteristischen Eigenschaften auf. Basierend<br />
auf den gewonnenen Erkenntnissen werden aussagekräftige audiovisuelle<br />
Merkmale und geeignete Klassifikationsmodelle vorgestellt, die <strong>für</strong> die Ent-<br />
69