Können Multimedia-Datenbanken die wachsende Nachfrage nach effizientem inhaltsbasierten Abruf bewältigen? Diese Übersichtsarbeit untersucht die Herausforderungen und Lösungen für Ähnlichkeitssuchen in hochdimensionalen Räumen, eine Schlüsselkomponente von Multimedia-Datenbanksystemen. Die Arbeit untersucht verschiedene Indexstrukturen und Algorithmen, die entwickelt wurden, um die Abfrageverarbeitung in diesen komplexen Umgebungen zu verbessern. Da Multimedia-Daten in Bereichen wie Medizin, CAD und Geographie immer häufiger vorkommen, hat sich der inhaltsbasierte Abruf zu einer kritischen Funktionalität entwickelt. Die Übersichtsarbeit untersucht, wie Feature-Transformationen verwendet werden, um Multimedia-Objekteigenschaften in hochdimensionale Feature-Vektoren zu konvertieren, wodurch Ähnlichkeitssuchen effektiv in Nähe-Suchen im Feature-Raum umgewandelt werden. Sie hebt die signifikanten Leistungssteigerungen hervor, die durch neue Indexstrukturen und Algorithmen erzielt werden. Diese Übersicht bietet wertvolle Einblicke in die State-of-the-Art-Techniken zum Abfragen von Multimedia-Datenbanken. Durch die Behandlung der inhärenten Probleme der Verarbeitung von Abfragen in hochdimensionalen Räumen ebnen die beschriebenen Ansätze den Weg für effizientere und skalierbarere Multimedia-Informationsabrufsysteme, die es Benutzern ermöglichen, ähnliche Objekte innerhalb großer Datenbanken schnell und genau zu finden. Diese Fortschritte haben erhebliche Auswirkungen auf verschiedene Multimedia-Anwendungen und datengesteuerte Forschung.
Diese in ACM Computing Surveys veröffentlichte Arbeit passt perfekt zum thematischen Schwerpunkt des Journals, umfassende Überblicke über wichtige Themen der Informatik zu bieten. Indem diese Arbeit den aktuellen Stand der Ähnlichkeitssuchtechniken in hochdimensionalen Räumen untersucht, dient sie als wertvolle Ressource für Forscher und Praktiker auf diesem Gebiet und steht im Einklang mit dem Ziel des Journals, die Wissensverbreitung und den Fortschritt im Computing zu fördern.