ANALIZA OSEĆANJA UPOTREBOM DRUŠTVENIH MULTIMEDIJA

1. Šta obuhvata analiza osećanja na osnovu vizuelnih sadržaja i koja je njena

osnovna podela?
Analiza vizuelnih sadržaja obuhvata prepoznavanje izraza lica korisnika,
korisničke namere, kao i razumevanje slika pomoću učenja atributa.
Deli se na :
 Analizu tekstualnih infromacija
 Analizu vizuelnih informacija

2. Definisati sentribut metod za klasifikaciju osećanja na fotografijama.

Sentribut je novi metod za klasifikaciju osećanja na fotografijama, baziran na
atributima srednjeg nivoa, a koji funkcioniše združeno sa mehanizmom
odlučivanja o prečišćavanju onih fotografija koje prikazuju ljude.

CROSSNETWORK (UNAKRSNA MREŽA)

1. Kako se vrši upoređivanje video zapisa kod unakrsnih mreža?

1) TwitterTrend - preporučivanje videa koji su vezani za teme koje su u trendu

na Tviteru
2) YouTubeProfile - preporučivanje videa koji su vezani za profil korisnika na
YouTube-u.
3) T-YRecommender - preporuka na osnovu ekvivalenata.

2. Šta je to normalizovani diskontirani kumulativni dobitak (NDCG) kod unakrsnih

mreža?

Normalizovani diskontirani kumulativni dobitak predstavlja merilo rangiranja

kvaliteta. U pronalaženju informacija, NDCG se često koristi za merenje efikasnosti
algoritama web pretraživača ili srodnih aplikacija.
 DISTRIBUCIJA DIGITALNE MUZIKE
1. Koje su karakteristike standarda za kompresiju audio signala MP3?

MP3 koristi MPEG Audio Layer 3 za digitalni audio kodni format. Kompresija
deluje na način da se gube neki podaci originalnog zvuka. Ovi izgubljeni podaci
nastaju uglavnom zbog smanjene preciznosti tokom kompresije određenih
delova zvuka, koje većina ljudi ne može ni da čuje. MP3 predstavlja vodeći
format kompresije zvuka i format čuvanja na internetu.

2. Koji su najvažniji kanali za distribuciju digitalne muzike?

Društvene mreže imaju centralnu ulogu u stvaranju komunikacije i

interakcije između različitih digitalnih kanala distribucije. Važnu ulogu imaju
agregatori i digitalni džuboksovi, Osim toga, postoje i peer-to-peer mreže, onlajn
prodavnice (iTunes, Spotify i Amazon MP3), internet radio, web stranice.

DRUŠTVENE I OZBILJNE IGRE

1. Objasniti pojam ozbiljne igre.
Pojam ozbiljne igre shvata se kao digitalne igre koje su razvijene za neku
drugu svrhu pored čiste zabave. Oslanjaju se na zabavne vrednosti takvih
igrica i njima dodaju dodatnu vrednost čija je svrha edukacija. Kao takve, one
imaju ozbiljnu svrhu.

2. Šta čini društvene igre ozbiljnim društvenim igrama?

- Korišćenje ozbiljnih tema uzima se za sadržaj i dizajniranje igre sa

namerom da se igrači sete ključnih činjenica u vezi sa temama, kao i
aspekt dizajna, društvenu igru čini ozbiljnom društvenom igrom. Ovi
aspekti dodaju dodatnu svrhu društvenim igrama pored čiste zabave.
 EVALUACIJA WEB SLIKA
1. Objasniti šta predstavlja DOM (Document Object Model) prilikom
evaluacije web slika.
Dokument modela objekta predstavlja API (aplikacija za programski interfejs) za
HTML i XML dokumente. Definiše logičku strukturu dokumenata i način kojim mu
se pristupa i manipuliše. DOM predstavlja standardni model koji raščlanjuje web
stranicu na tačno definisani niz (stablo) objekata koji sadrže druge objekte.

2. Koje su dve različite metode prikupljanja dokumenata prilikom

evaluacije web slika?
Pretraživanje statičkih dokumenata određene web lokacije poput Wikipedia, ili
opoziv web stranice koja se dinamički menja, kao što je na primer početna stranica
mnogih portala za vesti.

HEVC
1. Šta HEVC proširenje uključuje?
Trenutno proširenje uključuje podršku za razvoj više formata boja, podršku za
prostornu skalabilnost i podršku za 3D video kodovanje.

2. Kako se formiraju i definišu slojevi HEVC-a?

Kada je reč o slojevima, svaki ponaosob koji je uključen u kodovanje video
sekvence ima jedinstveni identifikator sloja. Ono što omogućava različite slojeve
jeste element u zaglavlju. Svaki sloj koji se koristi za predikciju u sloju koji nije
osnovni naziva se referentni sloj. Shodno tome, ukoliko se teži ka uspostavljanju
sloja, sloj koji treba da se dobije naziva se ciljni sloj. Kada je u pitanju skalabilno
kodovanje, samo jedan sloj je ciljni sloj, što bi obično bio najviši dostupni sloj.
 PREDIKTIVNO RAČUNARSTVO ZASNOVANO NA IoT
1. Opisati arhitekturu sistema za monitoring u zdravstvu primenom IoT-a

Osnovna arhitektura sastoji se od tri nivoa. Prvi nivo predstavlja telesne senzore
koji uključuju aparate koji su postavljeni na telu. Drugi nivo čine sami načini
uspostavljanja komunikacije i međusobnog umrežavanja. Treći nivo uključuje
procesiranje i obradu prikupljenih podataka.

2. Navesti nekoliko tehnika prediktivnog modelovanja zasnovanih na IoT.

Modeli probabilističkog učenja i statistička analiza, prediktivna analitika i data

mining algoritmi, fuzija podataka.

KOMPRESIJA DUBINSKIH MAPA KORIŠĆENJEM PREDIKTIVNOG

KODOVANJA
1. Koji metod prediktivnog kodovanja je najbitniji u procesu kompresije dubinskih
mapa?

Prediktivno dubinsko kodovanje predstavlja kompromis izmedju kvaliteta i

efikasnosti. Ograničava dubine što znači da dubinske mape nisu previše detaljne
kada ne treba da budu. Usled toga slede i određene degradacije kvaliteta.
Međutim, glavna prednost je podela blokova dimenzije 64X64 na manje blokove.

2. Navesti tehnike prediktivnog dubinskog kodovanja.

Fleksibilnija podela blokova, direkciona intra-predikcija i modelovanje ograničene

dubine
 Multimedia Broadcast Multicast Servisi (MBMS)

1. Kako se definišu broudkast i multikast servisi?

Broudkast je jednosmerni prenos multimedijalnih signala (tekst, zvuk, slika, video)
od jedne tačke do više tačaka iz jednog izvornog entiteta za sve korisnike u oblasti
broudkast servisa. Multikast omogućava jednosmerni prenos od jedne tačke
prema više tačaka.

2. Koja je razlika između MBMS I DVB-H sistema?

DVB-H formira jednofrekvencijsku mrežu u kojoj se signali prenose istom
frekvencijom. Na kraju DVB-H prijemnika svi signali se kombinuju kao signali sa
više putanja koji dolaze sa jedne bazne stanice. MBMS se zasniva na ćelijskim
mrežama, za koje postoji nekoliko hiljada lokacija sa slabom pokrivenošću.

MULTIMEDIJALNA BIG DATA ANALITIKA

 Navesti tehnike multimedijalne big data analitike
Izvlačenje MM big data, upravljanje i preuzimanje MM baze big data,
razmena multimedije na big data platformi, MM big data mining
 Objasniti tehnologiju cloud computing
Karakterišu je virtuelni računari izgrađeni na vrhu moćne računarske
infrastrukture. Cloud computing se bavi prenošenjem i deljenjem podataka bez
fizičkih lokacija skladištenja. Međutim, postoji i nekoliko nedostataka ucloud
computingu, poput troškova skladištenja i prenosa big data, kontrola nad
distribuiranim okruženjem, kao i privatnost i bezbednost podataka
 OPTMIZACIJA RESURSA MREŽE DIGITALNIH BIOSKOPA
1. Koje tehnologije se primenjuju za slanje paketa u okviru mreže digitalnih
bioskopa?
DCP može da se prenosi do bioskopa na prenosivim memorijskim medijima koje
šalju transportna preduzeća kao standardni paket, preko virtuelnih privatnih
mreža, satelitskog prenosa koji nudi opciju multikastinga.

2. Koji su predlozi za poboljšanje platforme za prenos paketa u okviru mreže

digitalnih bioskopa?
Predlozi za poboljšanja se mogu podeliti u upotrebi adaptivnog protokola u
cilju poboljšanja satelitske efikasnosti, kao i poboljšanje topologije leži u
tome da master pošalje svaki paket na sve odredišne servere (slaves), sa
potrebnim protokolima.

PREDIKTIVNO RAČUNARSTVO ZASNOVANO NA KLAUDU

1. Zašto je važno prediktivno računarstvo zasnovano na klaudu i koje su njegove
prednosti i nedostaci?
Prednosti su skalabilnost, široka mogućnost upotrebe, premeštanje analitike u
podatke, dok su nedostaci složenost, privatnost i bezbednost, regulatorna pitanja i
premeštanje podataka u klaud.

2.Nabrojati koje faze čine mogućim klaud okvir zasnovan na IoT.

Faza implementacije, bezbednosna faza, faza povratnih informacija i faza
evaluacije
 VIDEO MINING
1. Objasniti na čemu se zasniva model ljudske pažnje.

Model se temelji na teorijama po kojim se pažnja raspoređuje računanjem

pojedinačnih mapa karakteristika, a zatim kombinovanjem tih mapa u mapu
vidljivosti, na kojoj su istaknute tačke koje privlače pažnju.

2. Koji modeli video majninga se koriste za predikciju ljudskog pogleda?

Linearni model sa uniformnim vrednostima značaja karakteristika, linearni model

sa određenim vrednostima značaja karakteristika, model sa karakteristikama
drugog reda i model zasnovan na opažanju posmatrača

INTELIGENTNI VIDEO SISTEMI

1. Navesti prednosti inteligentnih video sistema.

Rano upozorenje na abnormalne aktivnosti, brzo premotavanje posebnih

predmeta ili događaja, redukovano opterećenje mreže i skladištenje

2. Koje su funkcije sistema za grafičku analizu kod inteligentnih video sistema?

Detekcija kretanja, segmentacija slike, detekcija pešaka i događaja, praćenje video

zapisa, aktivni alarm za uzbunu
 PROCENA KVALITETA SLIKE I VIDEA

1) Kako možemo kategorisati procenu kvaliteta slike?

Procenu kvaliteta slike možemo kategorisati na potpuno referentnu, smanjenu
referencu i procenu kvaliteta bez referentne slike.

2) Koji su parametri metode strukturalne sličnosti (SSIM) za procenu kvaliteta

slike?
SSIM procena je slična ljudskoj proceni. Njeni parametri su: luminiscencija,
kontrast i struktura.

SPARSE REPRESENTATION METODE ZA PREDIKCIJU SLIKA

1) Objasniti blok-blokadu u sparse-LSP postupku

Blok-blokada znači da se postupak obuke za procenu efikasnosti vrši jednom po

bloku,. Isti procenjeni linearni model koristi se za predikciju svih odmeraka
nepoznatog bloka.

2) Kakve benifite ima primena sparse-LSP u HEVC standardu?

Sparse-LSP metod obezbeđuje veću fleksibilnost, jer može koristiti prediktore koji
su bliski nepoznatom uzorku kako bi se izvršila predikcija.