智能媒体管理服务（IMM）围绕 6 个关键点：海量数据、端云拉通、标准统一、智能分析、场景结合、一键处理 设计，采用如下的分层架构。

智能媒体管理架构图

基于架构图的描述，IMM 服务有依赖的上下文，架构包含 3 层：处理引擎、元数据管理、场景化封装。

智能媒体管理架构依赖上下文

• 对下依赖阿里云的对象存储、文件存储等服务，通过安全的机制访问里面存储的非结构化数据（例如图片、视频），提取价值信息。
• 对上基于场景理解，进行封装，支撑视频网盘、手机相册、社交图库、家庭监控等图片、视频应用场景，为它们产生新的价值。

处理引擎层

基于阿里云存储，提供就近构建计算框架，该框架支持批量异步处理、准实时同步处理，在一键关联云存储（例如，指定 OSS Bucket 的目录前缀、指定 OSS Bucket 的某个对象）后，实现快速的自动数据处理，通过整合业界领先的数据处理算法，目前处理引擎提供如下功能：

• 文档格式转换。支持将包括 OFFICE 在内的 48 种文档转换为 JPG、PNG、PDF、VECTOR 格式，从而更好的支持文档预览功能。
• 内容识别。通过 AI 技术，识别图片中的物品标签，从而实现机器的制动打标，更好的支撑推荐应用。
• 人脸识别。通过 AI 技术，识别图片中的人脸，检测出人脸框，判断人脸姿势、年龄、性别等属性。

元数据管理层

基于处理引擎提供的功能，通过对场景的深入理解和梳理，IMM 封装了场景的元数据设计，对外提供场景的元数据访问接口，简化场景应用的设计难度、无须关注元数据索引数据库的运维工作，目前支持如下的元数据索引:

• 人脸聚类索引。构建元数据集合，然后调用人脸分组的接口分析图片，把得到的元数据加入到该元数据集合中，从而可以得到该集合中相似的人脸。通过该索引，可以快速的支撑网盘的人脸相册、家庭监控的陌生人检测、甚至新零售的顾客管理等场景。
• 标签分组索引。构建元数据集合，然后调用标签分组的索引接口分析图片，把得到的元数据加入到该元数据集合中，从而可以根据标签搜索图片。通过该索引，可以快速的支撑网盘的场景相册、家庭监控的宠物跟踪、甚至暴力、恐怖、色情图片等标签的搜索。

场景封装层

通过阿里云对场景的支撑，把 处理引擎层 和 元数据管理层 的功能进行包装，并按照资源包方式提供出来，从而简化使用，方便应用快速的接入，实现 AI 和场景的紧密结合，目前支持如下的场景实例：

• 文档标准型。把文档相关的格式转换、预览整合，让你快速实现文档的智能管理能力。
• 图片标准型。把内容识别（标签检测）、人脸检测的 AI 功能整合，让你快速实现图片的智能管理能力。
• 图片专业型。把内容识别（标签检测）、人脸检测、内容搜索、人脸聚类的 AI 功能整合，让你快速实现图片的智能管理能力。