Los contenidos audiovisuales tienen una doble relación con la información. Como objetos físicos son susceptibles de ser observados como portadores de información relativa a su propia naturaleza y dada la idiosincrasia de los contenidos que transmiten pueden ser considerados como portadores de información, en los términos enunciados por la teoría unificada de la información. En el Memory of the World Programme la UNESCO reconoce que los documentos, incluidos los audiovisual tienen esta doble componente, la información contenida y el portador en la cual reside.

El valor de la información depende a menudo de cuán fácil resulta encontrarla, accederla, filtrarla y manejarla. Una cantidad ingente de contenidos audiovisuales están disponibles en formato digital, en los archivos digitales, las emisiones en directo, la World Wide Web o las bases de datos de personas o empresas. Además, las imágenes son ricas en contenidos y el texto puede en muchas situaciones no ser suficientemente adecuado para describir de forma efectiva las imágenes. Para afrontar estas dificultades, a principios de la década de 1990 emergieron los sistemas de reconocimiento de imagen basados en el contenido como una alternativa para describir y extraer datos de las imágenes. Los sistemas de reconocimiento de imágenes basados en el contenido describen las imágenes, además de hacerlo de manera textual, a partir de sus características visuales, como el color, la textura o la información de los contornos. En 1996 MPEG* reconoció la necesidad de identificar los contenidos multimedia, e inició una línea de trabajo denominada “Interface de descripción de contenido multimedia”, más conocida como MPEG-7.

Este estándar no solo incluye los descriptores de las características físicas de la imagen,  incluye, además Descriptores, que definen la sintaxis y la semántica de cada una de las características,  y Esquemas de Descripción, que especifican la estructura y la semántica de la relaciones entre sus componentes, que pueden ser de ambos tipos, Descriptores y Esquemas de Descripción.

De acuerdo con esta filosofía, los descriptores del contenido audiovisual en el MPEG-7 pueden incluir todos aquellos ítems que el estándar considera como informativos:

• Información que describa los procesos de creación y producción del contenido (director, título, tráiler de la película)

• Información relativa al uso del contenido (marcadores de copyright, historial de uso, programación de emisión)

• Información de las características de almacenamiento del contenido (formato almacenamiento, codificación)

• Información estructural sobre componentes espaciales, temporales o espaciotemporales del contenido (cambios de escena, segmentación de regiones, seguimiento del movimiento de regiones)

• Información sobre las características de bajo nivel del contenido (color, texturas, timbres de sonido, descripción de la melodía)

• Información conceptual sobre la realidad capturada por el contenido (objetos y eventos, interacción entre objetos)

• Información sobre cómo buscar el contenido de forma efectiva (sumarios, variaciones, sub bandas espaciales y de frecuencia)

• Información sobre colecciones de objetos

• Información sobre la interacción del usuario con el contenido (preferencias  del usuario, historial de utilización)

*El Moving Picture Experts Group (MPEG) es un grupo de trabajo de ISO/IEC (formalmente ISO/IEC JTC1/SC29/WG11) a cargo del “desarrollo de estándares internacionales para la compresión, descompresión, procesamiento y representación codificada de imágenes en movimiento, audio y su combinación, con la intención de satisfacer una amplia gama de aplicaciones”