この研究では，巨大な動画像集団に対する自動的な構造化法の開発とそのシステム作成を行った．ここでいう構造化とは，ユーザーが付けたラベルを用いる方法ではなくて，コンピュータにより自動的に数値ラベルを付加することである．本研究では，動画像中にある複数枚の代表フレームを見つけ出し，それらの位置とコンテンツをラベルとする方法を採用した．これにより，人手を用いない新たな教師なし学習アルゴリズムと，大域・局所の両アラインメントを可能にするM-distance法を開発することができた．その結果，動画像の大集団を数値ラベルにより構造化して類似動画像を検索できるシステムを作成することができた．