Traçage du contenu marketing vidéo

Au cours des dernières décennies, la production et la consommation de vidéos ont considérablement augmenté et il est communément admis que 80 % du trafic Internet est constitué de vidéos. Dans ce cadre, les vidéos de marketing sont encore dominées par le contenu payant (c'est-à-dire le contenu créé par l'annonceur qui paie un annonceur pour distribuer ce contenu). Cependant, le contenu vidéo organique progresse lentement mais sûrement. Le terme « contenu organique » fait référence à un contenu dont la création et/ou la distribution n'est pas payante. Dans la plupart des cas, il s'agit d'un contenu créé par l'utilisateur avec une valeur publicitaire implicite, ou d'un contenu publicitaire distribué par un utilisateur sur un réseau social. En pratique, un tel contenu est directement produit par les appareils de l'utilisateur dans un format compressé (par exemple AVC - Advanced Video Coding, HEVC - High efficiency Video Coding ou VVC - Versatile Video Coding) et est souvent partagé par d'autres utilisateurs, sur le même réseau social ou sur des réseaux sociaux différents, créant ainsi une chaîne virtuelle de distribution qui est étudiée par les experts en marketing.Une telle application peut être modélisée par au moins deux cadres scientifiques différents, à savoir la blockchain et l'empreinte (fingerprinting) vidéo. D'une part, si l'on considère d'abord les problèmes de distribution, la blockchain semble être une solution attrayante, car elle prévoit une solution sécurisée, décentralisée et transparente pour suivre les changements de tout actif numérique. Alors que la blockchain a déjà prouvé son efficacité dans une grande variété d'applications de distribution de contenu, ses applications liées au multimédia restent rares et soulèvent des contradictions conceptuelles entre les ressources de calcul/stockage strictement limitées disponibles dans la blockchain et la grande quantité de données représentant le contenu vidéo ainsi que les opérations complexes que le traitement vidéo exige. D'autre part, si l'on considère d'abord les questions relatives au contenu multimédia, chaque étape de la distribution peut être considérée comme une opération de quasi-doublonnage. Ainsi, le suivi d'une vidéo organique peut être assuré par l'empreinte vidéo qui regroupe les efforts de recherche consacrés à l'identification des versions dupliquées et/ou répliquées d'une séquence vidéo donnée dans un ensemble de données vidéo de référence. Alors que le suivi du contenu vidéo dans le domaine non compressé est un domaine de recherche riche, l'empreinte vidéo dans le domaine compressé est encore sous-explorée.La présente thèse étudie la possibilité de tracer un contenu vidéo compressé publicitaire, dans le contexte de sa propagation spontanée et incontrôlée dans un réseau distribué :• le suivi vidéo au moyen de solutions basées sur la blockchain, malgré la grande quantité de données et les exigences de calcul des applications vidéo, a priori incompatibles avec les solutions blockchain actuelles• le fingerprinting vidéo dans le domaine compressé, même si la compression vidéo est censée exclure la redondance visuelle qui permet de retrouver le contenu vidéo.• les synergies applicatives entre la blockchain et le fingerprinting vidéo.Les principaux résultats consistent en la conception, la spécification et la mise en œuvre de :• COLLATE - une architecture de répartition de charge on-chain off-chain, qui permet d'étendre de manière abstraite les ressources informatiques, de stockage et logicielles intimement limitées de n'importe quelle blockchain par des ressources informatiques à usage général ;• COMMON - Compressed dOMain Marketing videO fiNgerprinting, démontrant la possibilité de modéliser des empreintes vidéo compressées dans un cadre d'apprentissage profond• BIDDING - BlockchaIn-baseD viDeo fINgerprintinG, un pipeline de traitement de bout en bout pour coupler l'empreinte vidéo à la solution d'équilibrage de charge de la blockchain.

Institutions

Publication Details

Journal
theses.fr (ABES)
Published
2024-12-17
Primary Topic
Advanced Steganography and Watermarking Techniques
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Traçage du contenu marketing vidéo

theses.fr (ABES)
Advanced Steganography and Watermarking Techniques
article

Traçage du contenu marketing vidéo

article en

Abstract

Au cours des dernières décennies, la production et la consommation de vidéos ont considérablement augmenté et il est communément admis que 80 % du trafic Internet est constitué de vidéos. Dans ce cadre, les vidéos de marketing sont encore dominées par le contenu payant (c'est-à-dire le contenu créé par l'annonceur qui paie un annonceur pour distribuer ce contenu). Cependant, le contenu vidéo organique progresse lentement mais sûrement. Le terme « contenu organique » fait référence à un contenu dont la création et/ou la distribution n'est pas payante. Dans la plupart des cas, il s'agit d'un contenu créé par l'utilisateur avec une valeur publicitaire implicite, ou d'un contenu publicitaire distribué par un utilisateur sur un réseau social. En pratique, un tel contenu est directement produit par les appareils de l'utilisateur dans un format compressé (par exemple AVC - Advanced Video Coding, HEVC - High efficiency Video Coding ou VVC - Versatile Video Coding) et est souvent partagé par d'autres utilisateurs, sur le même réseau social ou sur des réseaux sociaux différents, créant ainsi une chaîne virtuelle de distribution qui est étudiée par les experts en marketing.Une telle application peut être modélisée par au moins deux cadres scientifiques différents, à savoir la blockchain et l'empreinte (fingerprinting) vidéo. D'une part, si l'on considère d'abord les problèmes de distribution, la blockchain semble être une solution attrayante, car elle prévoit une solution sécurisée, décentralisée et transparente pour suivre les changements de tout actif numérique. Alors que la blockchain a déjà prouvé son efficacité dans une grande variété d'applications de distribution de contenu, ses applications liées au multimédia restent rares et soulèvent des contradictions conceptuelles entre les ressources de calcul/stockage strictement limitées disponibles dans la blockchain et la grande quantité de données représentant le contenu vidéo ainsi que les opérations complexes que le traitement vidéo exige. D'autre part, si l'on considère d'abord les questions relatives au contenu multimédia, chaque étape de la distribution peut être considérée comme une opération de quasi-doublonnage. Ainsi, le suivi d'une vidéo organique peut être assuré par l'empreinte vidéo qui regroupe les efforts de recherche consacrés à l'identification des versions dupliquées et/ou répliquées d'une séquence vidéo donnée dans un ensemble de données vidéo de référence. Alors que le suivi du contenu vidéo dans le domaine non compressé est un domaine de recherche riche, l'empreinte vidéo dans le domaine compressé est encore sous-explorée.La présente thèse étudie la possibilité de tracer un contenu vidéo compressé publicitaire, dans le contexte de sa propagation spontanée et incontrôlée dans un réseau distribué :• le suivi vidéo au moyen de solutions basées sur la blockchain, malgré la grande quantité de données et les exigences de calcul des applications vidéo, a priori incompatibles avec les solutions blockchain actuelles• le fingerprinting vidéo dans le domaine compressé, même si la compression vidéo est censée exclure la redondance visuelle qui permet de retrouver le contenu vidéo.• les synergies applicatives entre la blockchain et le fingerprinting vidéo.Les principaux résultats consistent en la conception, la spécification et la mise en œuvre de :• COLLATE - une architecture de répartition de charge on-chain off-chain, qui permet d'étendre de manière abstraite les ressources informatiques, de stockage et logicielles intimement limitées de n'importe quelle blockchain par des ressources informatiques à usage général ;• COMMON - Compressed dOMain Marketing videO fiNgerprinting, démontrant la possibilité de modéliser des empreintes vidéo compressées dans un cadre d'apprentissage profond• BIDDING - BlockchaIn-baseD viDeo fINgerprintinG, un pipeline de traitement de bout en bout pour coupler l'empreinte vidéo à la solution d'équilibrage de charge de la blockchain.

theses.fr (ABES)
Institut Polytechnique de Paris (FR)
Openalex Percentile: Top 57%
Advanced Steganography and Watermarking Techniques
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.