การเก็บรวบรวมข้อมูลวิดีโอ: แนวทางปฏิบัติที่ดีที่สุด การใช้งาน และกรณีศึกษาการใช้ AI ในโลกแห่งความเป็นจริง

ภาพนิ่งเปรียบเสมือนเฟรมเดียวจากภาพยนตร์ —มีประโยชน์ แต่ขาดความสัมพันธ์ระหว่างเหตุและผล วิดีโอจะแสดงภาพเหตุการณ์ทั้งหมดให้แบบจำลองของคุณเห็น ตั้งแต่ก่อน ระหว่าง และหลังเหตุการณ์

วิธีการหลักในการเก็บรวบรวมข้อมูลวิดีโอ

คุณสามารถมองว่าวิธีการเก็บรวบรวมข้อมูลวิดีโอเป็นเหมือนกล่องเครื่องมือ โปรแกรมที่พัฒนาแล้วส่วนใหญ่จะรวมหลายวิธีเข้าด้วยกัน

การรวบรวมวิดีโอจากผู้คนจำนวนมาก

คุณสรรหาผู้ร่วมงานจากหลายพื้นที่โดยส่วนใหญ่ผ่านแพลตฟอร์มเฉพาะทาง เพื่อให้พวกเขาบันทึกวิดีโอด้วยอุปกรณ์ของตนเองและอัปโหลดตามคำแนะนำโดยละเอียด

เหมาะที่สุดเมื่อคุณต้องการ:

• สภาพแวดล้อมทางธรรมชาติ (บ้าน ถนน สำนักงาน ยานพาหนะ)
• ประชากรและสภาพแวดล้อมที่หลากหลาย
• ขยายขนาดอย่างรวดเร็วข้ามภูมิภาค

จุดเด่น:

• ขยายขนาดได้อย่างรวดเร็วในหลายประเทศและหลายอุปกรณ์
• เหมาะอย่างยิ่งสำหรับความหลากหลายและการครอบคลุมกรณีพิเศษ

การแลกเปลี่ยน:

• ความแตกต่างของอุปกรณ์ (กล้องต่างกัน ความละเอียดต่างกัน อัตราเฟรมต่างกัน)
• จำเป็นต้องมีคำแนะนำที่เข้มงวด การตรวจสอบความถูกต้อง และการควบคุมคุณภาพ เพื่อหลีกเลี่ยงข้อมูลที่ไม่ถูกต้อง

รับสินค้าที่สถานที่หรือสตูดิโอ

ที่นี่ คุณสามารถควบคุมสภาพแวดล้อมได้ ไม่ว่าจะเป็นสตูดิโอ ห้องแล็บ หรือสถานที่ที่มีความปลอดภัย และทีมของคุณหรือพันธมิตรจะเป็นผู้กำกับผู้เข้าร่วมและฉากต่างๆ

เหมาะที่สุดเมื่อคุณต้องการ:

• การจัดแสงที่แม่นยำ มุมกล้อง หรือการตั้งค่าเซ็นเซอร์
• สถานการณ์ที่ละเอียดอ่อน (การเก็บข้อมูลไบโอเมตริกซ์ การดูแลสุขภาพ สภาพแวดล้อมที่มีการควบคุม)
• เงื่อนไขที่สามารถทำซ้ำได้สำหรับการเปรียบเทียบประสิทธิภาพ

ตัวอย่างเช่น การบันทึกวิดีโอใบหน้าความละเอียดสูงจากมุมและสีหน้าต่างๆ ภายใต้แสงเฉพาะ เพื่อฝึกฝนหรือทดสอบการตรวจจับการปลอมแปลงหรือภาพปลอมคุณภาพสูง (deepfake)

การปฏิบัติงานภาคสนามและการบันทึกข้อมูล ณ สถานที่

สำหรับสภาพแวดล้อมที่ซับซ้อน เช่นถนน คลังสินค้า โรงพยาบาล หรือโครงสร้างพื้นฐานทีมงานจะดำเนินการภาคสนาม โดยติดตั้งกล้องและเซ็นเซอร์ในยานพาหนะหรือพื้นที่ วางแผนเส้นทาง และบันทึกวิดีโอภายใต้สถานการณ์ที่กำหนดไว้

วิธีการนี้คือ:

• ต้องใช้ขั้นตอนทางโลจิสติกส์ค่อนข้างซับซ้อน (ใบอนุญาต อุปกรณ์ ความปลอดภัย เส้นทาง)
• มีความสำคัญอย่างยิ่งสำหรับการขับขี่อัตโนมัติ เมืองอัจฉริยะ โลจิสติกส์ และหุ่นยนต์อุตสาหกรรม

แหล่งข้อมูลอัตโนมัติ, ข้อมูลที่ดึงมา หรือแหล่งข้อมูลจากคลังข้อมูล

บางครั้งคุณอาจเข้าถึงคลังวิดีโอที่มีอยู่แล้ว (กล้องวงจรปิด, กล้องติดตัวเจ้าหน้าที่, เนื้อหาที่ผู้ใช้สร้างขึ้นภายใต้ใบอนุญาต, ฟุตเทจทดสอบภายใน) หรือใช้ระบบอัตโนมัติ (เช่น การดึงข้อมูลจากเว็บไซต์) เพื่อรวบรวมข้อมูลจากแพลตฟอร์มภายนอก

แม้ว่าจะมีประสิทธิภาพ แต่ในจุดนี้ความเป็นส่วนตัว การอนุญาต และจริยธรรมกลายเป็นสิ่งที่ไม่สามารถต่อรองได้:

• สนใจคุณ เป็นเจ้าของหรือได้รับอนุญาตอย่างถูกต้อง ภาพวิดีโอ?
• คุณได้รับอนุญาตให้ใช้มันเพื่ออะไร การฝึกอบรม AIไม่ใช่แค่การรับชมใช่ไหม?
• มันประกอบไปด้วย ข้อมูลส่วนบุคคล กฎข้อใดที่บังคับใช้กับ GDPR/CCPA หรือกฎระเบียบเฉพาะภาคส่วน?

ด้วยเหตุนี้ ทีมจำนวนมากจึงนำแนวทางปฏิบัติด้านจริยธรรมในการจัดหาข้อมูล มาใช้ และเลือกใช้ชุดข้อมูลที่สร้างขึ้นเพื่อวัตถุประสงค์เฉพาะโดยได้รับความยินยอมแล้วมากกว่าการดึงข้อมูลโดยพลการ

ความท้าทายสำคัญในการเก็บรวบรวมข้อมูลวิดีโอ

1. ความเป็นส่วนตัว ความยินยอม และข้อบังคับ

วิดีโออุดมไปด้วยข้อมูลส่วนบุคคลที่สามารถระบุตัวตนได้ (PII)เช่น ใบหน้า ป้ายทะเบียนรถ สถานที่ และพฤติกรรม ในภูมิภาคต่างๆ เช่น สหภาพยุโรป กฎระเบียบ GDPR ถือว่าวิดีโอของบุคคลที่สามารถระบุตัวตนได้เป็นข้อมูลส่วนบุคคล โดยมีกฎเกณฑ์ที่เข้มงวดเกี่ยวกับวัตถุประสงค์ การลดปริมาณ การเก็บรักษา และการยินยอม

คำถามสำคัญที่ต้องตอบ:

• คุณมี ความยินยอม ในกรณีที่จำเป็น?
• ผู้เข้าร่วมการวิจัยได้รับแจ้งข้อมูลอย่างชัดเจนหรือไม่ อย่างไร และ ทำไม วิดีโอของพวกเขาจะถูกนำไปใช้ใช่ไหม?
• คุณเก็บวิดีโอต้นฉบับไว้นานแค่ไหน และใครบ้างที่สามารถเข้าถึงได้?

2. อคติและการเป็นตัวแทน

หากชุดข้อมูลวิดีโอของคุณมีสัดส่วนของกลุ่มประชากร สถานที่ หรือสภาพแวดล้อม บางอย่างมากเกินไป โมเดลของคุณอาจทำงานได้ไม่ดี หรือล้มเหลว ในบริบทที่มีสัดส่วนน้อยกว่า ซึ่งบางครั้งอาจส่งผลกระทบอย่างร้ายแรงต่อความปลอดภัย

ข้อผิดพลาดทั่วไป:

• มีเฉพาะภาพในเมือง ไม่มีภาพในชนบท
• กลุ่มอายุ สีผิว หรือสไตล์การแต่งกายบางกลุ่มมีจำนวนน้อยกว่าที่ควรจะเป็น
• มีแต่แสงสว่าง ไม่มีกลางคืน ไม่มีฝน หรือหิมะ

ความหลากหลายต้องถูกออกแบบให้เป็นส่วนหนึ่งของแผนการรวบรวมข้อมูล ไม่ใช่เพิ่มเข้ามาภายหลัง

3. คุณภาพและความสม่ำเสมอของข้อมูล

แม้ว่าคุณจะมีข้อมูลวิดีโอ "เพียงพอ" แล้วก็ตาม ปัญหาด้านคุณภาพ เช่น:

• ภาพเบลอ
• แสงไม่ดี
• ความละเอียดต่ำหรืออัตราเฟรมไม่สม่ำเสมอ
• การบดบังและการมองเห็นบางส่วน

อาจจำกัดประสิทธิภาพของโมเดลของคุณได้ โปรแกรมที่มีประสิทธิภาพสูงจะกำหนดเกณฑ์การยอมรับสำหรับคุณภาพวิดีโอและบังคับใช้เกณฑ์เหล่านั้นกับผู้ร่วมให้ข้อมูลและวิธีการรวบรวมข้อมูลทั้งหมด

4. ขนาด การจัดเก็บ และการกำกับดูแล

ไฟล์วิดีโอมีขนาดใหญ่มากโดยแต่ละโปรเจกต์อาจมีขนาดหลายสิบหรือหลายร้อยเทราไบต์ หากไม่มีการควบคุมดูแล คุณจะพบกับปัญหาดังนี้:

• ภาพวิดีโอที่ซ้ำกัน
• ที่มาไม่ทราบแน่ชัด (“คลิปนี้มาจากไหน?”)
• ความเสี่ยงด้านการปฏิบัติตามกฎระเบียบ (การเก็บรักษาข้อมูลที่ไม่ชัดเจน การควบคุมการเข้าถึงที่ไม่ชัดเจน)

นี่คือจุดที่การจัดการข้อมูล การจัดทำแคตตาล็อก เมตาเดต้า และ "ชุดข้อมูลต้นแบบ"มีความสำคัญ

แนวทางปฏิบัติที่ดีที่สุดสำหรับการเก็บรวบรวมข้อมูลวิดีโอ (พร้อมตารางเปรียบเทียบ)

ลองนึกถึงการเก็บรวบรวมข้อมูลวิดีโอในแง่ของการออกแบบกระบวนการผลิตไม่ใช่แค่ "การบันทึกคลิปวิดีโอ" เท่านั้น

1. เริ่มต้นจากแบบจำลองและกรณีการใช้งาน

ก่อนที่คุณจะเปิดกล้องแม้แต่ตัวเดียว ให้กำหนดค่าต่อไปนี้:

• เป้าหมาย (Target) งาน (เช่น การตรวจจับยานพาหนะ การตรวจจับการตกหล่น การวิเคราะห์ชั้นวางสินค้า)
• เป้าหมาย (Target) สิ่งแวดล้อม (ในร่ม/กลางแจ้ง, ความสูงของกล้อง, กล้องคงที่หรือกล้องเคลื่อนที่)
• ตัวชี้วัดความสำเร็จ (ความแม่นยำ/การเรียกคืน, ความทนทานต่อผลบวกเท็จ, เวลาแฝง)
• เคสขอบ คุณกังวลเกี่ยวกับ (สภาพอากาศเลวร้าย, สิ่งกีดขวาง, คนเดินเท้าที่ถูกกีดขวาง)

ข้อมูลนี้จะช่วยให้คุณทราบว่าคุณต้องการวิดีโอปริมาณเท่าใดและประเภทใด

2. ระบุรายละเอียดข้อมูลและขั้นตอนการเก็บรวบรวมข้อมูลให้ชัดเจน

แปลงกรณีการใช้งานให้เป็นข้อกำหนดเฉพาะของคอลเลกชัน :

• ประเภทและความละเอียดของกล้อง
• การตั้งค่าอัตราเฟรมและการบีบอัด
• ตำแหน่ง มุม เส้นทาง
• ระยะเวลาต่อฉาก จำนวนผู้เข้าร่วม
• ข้อมูลเมตาที่จำเป็น (เวลา, GPS, แท็กสถานการณ์)

ข้อกำหนดนี้จะกลายเป็น "แบบแผน" ที่นักสะสมของคุณปฏิบัติตาม ไม่ว่าพวกเขาจะรวบรวมข้อมูลจากแหล่งต่างๆ หรือลงพื้นที่ทำงานจริงก็ตาม

3. ผนวกรวมเรื่องความเป็นส่วนตัวและการปฏิบัติตามกฎระเบียบตั้งแต่วันแรก

ปฏิบัติตามคำแนะนำต่างๆ เช่น แนวทางปฏิบัติที่ดีที่สุดในการเก็บรวบรวมข้อมูลของ Google และกรอบการทำงานที่เน้นความเป็นส่วนตัว วางแผนเรื่องความเป็นส่วนตัวไว้ในกระบวนการทำงาน ไม่ใช่เป็นการแก้ไขภายหลัง:

• ขั้นตอนการขอความยินยอมและเอกสารข้อมูลผู้เข้าร่วม
• การเบลอหรือปิดบังใบหน้า/ป้ายทะเบียนรถตามความจำเป็น
• ลดปริมาณข้อมูล (เหลือเฉพาะข้อมูลที่จำเป็นสำหรับการฝึกอบรมเท่านั้น)
• ข้อจำกัดในการเก็บรักษาและกระบวนการลบข้อมูลอย่างปลอดภัย
• การควบคุมการเข้าถึงตามบทบาทสำหรับฟุตเทจดิบ

4. ออกแบบเพื่อความหลากหลายและลดอคติ

ในขั้นตอนการวางแผน ให้ระบุเป้าหมายความคุ้มครอง ของคุณอย่างชัดเจน :

• ข้อมูลประชากร (ช่วงอายุ สีผิว รูปร่าง)
• สภาพแวดล้อม (ภูมิศาสตร์, ในร่ม/กลางแจ้ง, ในเมือง/ชนบท)
• ปัจจัยแวดล้อม (แสงสว่าง สภาพอากาศ ช่วงเวลาของวัน)

จากนั้น ตรวจสอบให้แน่ใจว่าโควต้าการเก็บรวบรวม ของคุณ สะท้อนถึงส่วนผสมนั้น และติดตามความคืบหน้าไปเรื่อยๆ

5. บูรณาการการรวบรวมวิดีโอเข้ากับแนวปฏิบัติที่ดีที่สุดในการใส่คำอธิบายประกอบวิดีโอ

การรวบรวมข้อมูลและการใส่คำอธิบายประกอบวิดีโอควรดำเนินการเป็นขั้นตอนเดียวกัน :

• ใช้สม่ำเสมอ ออนโทโลยีการติดฉลาก เมื่อกำหนดขอบเขตของคอลเลกชัน (เช่น คลาส คุณลักษณะ และเหตุการณ์ที่คุณจะใส่คำอธิบายประกอบ)
• บันทึกวิดีโอที่ทำให้การใส่คำอธิบายประกอบเป็นไปได้ (เห็นวัตถุได้ชัดเจน ไม่มีสิ่งกีดขวางอย่างเป็นระบบ)
• ใช้ มนุษย์ในวง การตรวจสอบ การประกันคุณภาพหลายระดับ และผู้เชี่ยวชาญเฉพาะด้านเพื่อตรวจสอบความถูกต้องของฉลากในสาขาที่ซับซ้อน (เช่น การดูแลสุขภาพ อุตสาหกรรม)

6. วางแผนการจัดการและการกำกับดูแลข้อมูลที่มีประสิทธิภาพ

อย่างน้อยที่สุด ให้กำหนด:

• หลักการ แคตตาล็อกชุดข้อมูล พร้อมเวอร์ชันต่างๆ (v1, v2 เป็นต้น)
• มาตรฐานเมตาเดตา (ข้อมูลเซ็นเซอร์, สถานการณ์, สถานที่, เครื่องหมายแสดงความยินยอม)
• ที่มาที่ไปของแต่ละคลิปอย่างโปร่งใส: ใครเป็นผู้ถ่ายทำ เมื่อไหร่ และภายใต้สัญญาใด
• กระบวนการส่งเสริม “ชุดข้อมูลทองคำ” ใช้สำหรับการทดสอบเปรียบเทียบและการทดสอบการถดถอย

7. การเก็บรวบรวมข้อมูลวิดีโอแบบเฉพาะกิจเทียบกับการเก็บรวบรวมข้อมูลวิดีโอแบบมีโครงสร้าง (การเปรียบเทียบ)