Eine an der TU Berlin entwickelte Technologie bietet die Möglichkeit zur Gattungsklassifizierung von Videos sowohl für die private Heimanwendung als auch für die automatische Klassifizierung von audiovisuellen Daten für Internet und Suchmaschinen. Eine wesentliche Herausforderung auf dem Gebiet der Analyse von Multimedia-Inhalten ist dabei Umwandlung menschlicher Interpretationen von audiovisuellen Daten in eine korrelierende, maschinenverarbeitbare Darstellung.

Diese Erfindung stellt hierzu eine Lösung bereit und analysiert die  Inhalte mit Hilfe von audiovisuellen Deskriptoren und Klassifikationsverfahren auf hohem Niveau. Soll beispielsweise zwischen den Gattungen „Cartoon“ und „Nicht-Cartoon“ unterschieden werden, wird die Leistung aus mehreren Kombinationen der neu entwickelten Deskriptoren und Klassifizierungsmethoden analysiert. Durch die Verwendung von zwei Hidden Markov Modellen (HMM) konnte für diese Anwendung eine Klassifikationsgenauigkeit (CA) von 95,6% erreicht werden. Für die Unterscheidung zwischen den Merkmalen „kommerziell“ und „nicht  kommerziell“ wurde sogar eine CA von 98,4% erreicht. Unter Verwendung eines Entscheidungsbaums ergibt sich eine CA von 95,5% für Musikvideos und eine CA von 91,9% für Nachrichten. Bei der Unterscheidung zwischen „Sport“ und „Nicht-Sport“ wurde eine CA von 95,2% erreicht.