Modèles et plateformes d’IA
L’apprentissage profond révolutionne l’industrie de la radiodiffusion
Ajouter Unite.AI à vos sources préférées sur Google
L’apprentissage profond est devenu un mot à la mode dans de nombreuses entreprises, et les organisations de radiodiffusion sont également parmi celles qui doivent commencer à explorer tout le potentiel qu’il offre, de la rédaction d’actualités aux films et émissions de télévision, tant au cinéma qu’à la télévision.
Selon TechRadar, le nombre d’opportunités que l’apprentissage profond présente dans le domaine de la production vidéo, du montage et de la catalogation est déjà très élevé. Mais comme on le note, cette technologie ne se limite pas aux tâches répétitives de la radiodiffusion, car elle peut également « améliorer le processus créatif, améliorer la diffusion vidéo et aider à préserver les archives vidéo massives que de nombreux studios conservent. »
En ce qui concerne la génération et le montage de vidéos, il est mentionné que Warner Bros. a récemment dû dépenser 25 millions de dollars pour les reshoots de « Justice League » et que une partie de cet argent a été utilisée pour supprimer numériquement une moustache que l’acteur Henry Cavill avait laissée pousser et qu’il ne pouvait pas raser en raison d’un engagement concomitant. L’utilisation de l’apprentissage profond dans de tels processus chronophages et coûteux en post-production sera certainement mise à profit.
Même des solutions largement disponibles comme Flo permettent d’utiliser l’apprentissage profond pour créer automatiquement une vidéo en décrivant simplement votre idée. Le logiciel recherche ensuite des vidéos possibles pertinentes stockées dans une bibliothèque et les édite ensemble automatiquement.
Flo est également capable de trier et de classer des vidéos, ce qui facilite la recherche d’une partie spécifique de la vidéo. De telles technologies permettent également de supprimer facilement des séquences indésirables ou de créer une liste de recommandations personnalisées en fonction d’une vidéo dans laquelle quelqu’un a exprimé un intérêt.
Google (GOOGL ) a mis au point un réseau neuronal « capable de séparer automatiquement le premier plan et l’arrière-plan d’une vidéo. Ce qui nécessitait auparavant un écran vert peut désormais être réalisé sans équipement spécial. »
Le deep fake a déjà fait parler de lui, à la fois de manière positive et négative, mais son utilisation potentielle dans les effets spéciaux a déjà atteint un niveau élevé.
Le domaine où l’apprentissage profond fera certainement la différence est la restauration de films classiques, car les archives de film et de télévision de l’UCLA montrent que près de la moitié de tous les films produits avant 1950 ont disparu et que 90 % des copies de films classiques sont actuellement dans un état très dégradé.
La colorisation de séquences en noir et blanc est toujours un sujet de débat parmi les cinéastes, mais ceux qui décident de suivre cette voie peuvent désormais utiliser les outils Nvidia (NVDA ), qui raccourcissent considérablement un processus long, car il suffit maintenant que l’artiste colore une seule image d’une scène et que l’apprentissage profond fera le reste. D’un autre côté, Google a mis au point une technologie capable de recréer une partie d’une scène enregistrée en vidéo en fonction des images de début et de fin.
La reconnaissance de visages et d’objets est déjà activement utilisée, qu’il s’agisse de classer une collection ou une archive de vidéos, de rechercher des extraits avec un acteur ou un présentateur donné, ou de compter le temps exact qu’un acteur passe dans une vidéo ou un film. TechRadar mentionne que Sky News a récemment utilisé la reconnaissance faciale pour identifier des visages célèbres lors du mariage royal.
Cette technologie est maintenant largement utilisée dans la diffusion de sports pour, par exemple, « suivre les mouvements du ballon ou identifier d’autres éléments clés du jeu, tels que le but ». Dans le football, cette technologie, appelée VAR, est en fait utilisée dans de nombreux tournois officiels et ligues nationales en tant qu’outil d’arbitrage pendant le jeu.
La diffusion en continu est un autre aspect de la radiodiffusion qui peut bénéficier de l’apprentissage profond. Les réseaux neuronaux peuvent recréer des images haute définition à partir d’une entrée basse définition, ce qui permet au spectateur de bénéficier d’une meilleure qualité d’image, même si le signal d’entrée initial n’est pas tout à fait à la hauteur des normes.
