Many people create and share pictures and videos on the Internet.
많은 사람이 인터넷에서 사진과 비디오를 만들고 공유한다.
The difficulty is finding what you want.
어려운 점은 여러분이 원하는 것을 찾는 것이다.
Typically, people want to search using words (rather than, say, example sketches).
일반적으로 사람들은 (가령, 예시 스케치 대신) 단어를 사용하여 검색하기를 원한다.
Because most pictures don’t come with words attached, it is natural to try and build tagging systems that tag images with relevant words.
대부분의 사진에는 단어가 첨부되어 있지 않기 때문에 이미지에 관련 단어를 태그하는 태그 시스템을 시도하고 만들려는 것은 자연스러운 일이다.
The underlying machinery is straightforward ― we apply image classification and object detection methods and tag the image with the output words.
기본적인 시스템은 간단한데, 이미지 분류와 개체 감지 방법을 적용하고 출력된 단어로 이미지를 태그한다.
But tags aren’t a comprehensive description of what is happening in an image.
하지만 태그는 이미지에서 일어나고 있는 일에 대한 포괄적인 설명이 아니다.
It matters who is doing what, and tags don’t capture this.
누가 무엇을 하고 있는지가 중요한데, 태그는 이것을 포착하지 못한다.
For example, tagging a picture of a cat in the street with the object categories “cat”, “street”, “trash can” and “fish bones” leaves out the information that the cat is pulling the fish bones out of an open trash can on the street.
예를 들어, 거리에 있는 고양이의 사진을 ‘고양이’, ‘거리’, ‘쓰레기통’, ‘물고기 뼈’의 개체 범주로 태그하는 것은 그 고양이가 거리에 있는 열린 쓰레기통에서 물고기 뼈를 빼내고 있다는 정보를 빠뜨리게 된다.