التعلم العميق يعيد تشكيل صناعة البث

التعلم العميق أصبح كلمة شائعة في العديد من المجالات، وشركات البث هي واحدة من تلك التي يجب أن تبدأ في استكشاف جميع الإمكانيات التي يقدمها، من تقارير الأخبار إلى الأفلام والمسلسلات، سواء في السينما أو على التلفزيون.

كما ذكرت TechRadar، فإن عدد الفرص التي يقدمها التعلم العميق في مجال إنتاج الفيديو، وتحريره، وتصنيفه، هو بالفعل كبير. ولكن كما هو مذكور، فإن هذه التكنولوجيا لا تقتصر على ما يعتبر مهام متكررة في البث، لأنها يمكن أن “تعزز عملية الإبداع، وتحسن توصيل الفيديو، وتساعد في الحفاظ على أرشيفات الفيديو الكبيرة التي تحتفظ بها العديد من الاستوديوهات”.

فيما يتعلق بإنشاء الفيديو وتحريره، يذكر أن شركة Warner Bros. قد أنفقت مؤخرًا 25 مليون دولار على إعادة التصوير لفيلم “Justice League”، وذهب جزء من هذا المال إلى إزالة شارب رقمي للنجم هنري كافيل الذي كان لا يستطيع حلاقة ذقنه بسبب التزام متزامن. استخدام التعلم العميق في هذه العمليات المستهلكة للوقت والمال في مرحلة ما بعد الإنتاج سيكون بالتأكيد مفيدًا.

حتى الحلول الشائعة مثل Flo تجعل من الممكن استخدام التعلم العميق لإنشاء فيديو تلقائيًا عن طريق وصف فكرتك. ثم يبحث البرنامج عن مقاطع فيديو ذات صلة محفوظة في مكتبة معينة ويتحكم فيها تلقائيًا.

Flo قادر أيضًا على فرز وتصنيف مقاطع الفيديو، مما يسهل العثور على جزء معين من اللقطات. تتيح هذه التكنولوجيا أيضًا إمكانية إزالة لقطات غير مرغوب فيها أو إنشاء قائمة توصيات شخصية بناءً على فيديو معين أبدى شخص ما اهتمامًا به.

قدمت جوجل شبكة عصبونية “يمكنها فصل الخلفية والصورة الأمامية من فيديو تلقائيًا. ما كان يحتاج إلى شاشة خضراء يمكن أن يتم الآن بدون أي معدات خاصة”.

التصوير المزيف قد حصل بالفعل على اسم، سواء كان جيدًا أو سيئًا، ولكن إمكانية استخدامه في التأثيرات الخاصة قد وصلت بالفعل إلى مستوى عالٍ.

المجال الذي سيكون التعلم العميق فيه يحدث فرقًا في استعادة الأفلام الكلاسيكية، حيث أن أرشيف الأفلام والتلفزيون في جامعة كاليفورنيا، لوس أنجلوس، تلاشت تقريبًا نصف الأفلام التي أنتجت قبل عام 1950، و90% من طبعات الأفلام الكلاسيكية حاليًا في حالة سيئة للغاية.

إضافة الألوان إلى اللقطات السوداء والبيضاء لا تزال موضوعًا مثيرًا للجدل بين صانعي الأفلام، ولكن أولئك الذين يقررون اتباع هذا المسار يمكنهم الآن استخدام أدوات Nvidia (NVDA ) ، والتي ست缩ّص هذه العملية الطويلة بشكل كبير، حيث يحتاج الفنان الآن إلى تلوين إطار واحد فقط من المشهد، والتعلم العميق سيعمل على الباقي. من ناحية أخرى، طوّرت جوجل تكنولوجيا قادرة على إعادة إنشاء جزء من مشهد مسجل بالفيديو بناءً على الإطارات الأولى والأخيرة.

التعرف على الوجه والكائن يتم استخدامه بالفعل بنشاط، من تصنيف مجموعة أو أرشيف من مقاطع الفيديو، أو البحث عن مقاطع تحتوي على ممثل أو شخص معين، أو حساب الوقت الدقيق لممثل في فيديو أو فيلم. يذكر TechRadar أن قناة Sky News استخدمت 최근 التعرف على الوجه لتحديد الوجوه الشهيرة في حفل الزفاف الملكي.

تستخدم هذه التكنولوجيا الآن على نطاق واسع في بث الرياضة، على سبيل المثال، “تتبع حركة الكرة، أو تحديد عناصر رئيسية أخرى في اللعبة، مثل الهدف”. في كرة القدم، يُستخدم هذا النظام، الذي يُعرف باسم VAR، في العديد من البطولات والدوريات الوطنية الرسمية كأداة للمحكم أثناء اللعبة.

البث هو جانب آخر من جوانب البث يمكن أن يستفيد من التعلم العميق. يمكن للشبكات العصبونية إعادة إنشاء إطارات عالية الدقة من إدخال منخفض الدقة، مما يجعل من الممكن للمشاهد الاستفادة من مشاهدة أفضل، حتى لو لم يكن الإشارة الأصلية كاملة المواصفات.