गहरे सीखने से प्रसारण उद्योग का पुनर्गठन हो रहा है

गहरा सीखना कई प्रयासों में एक चर्चा का विषय बन गया है, और प्रसारण संगठन भी उनमें से एक हैं जिन्हें इसके सभी संभावित उपयोगों का अन्वेषण करना शुरू करना होगा, समाचार रिपोर्टिंग से लेकर फीचर फिल्मों और कार्यक्रमों तक, सिनेमाघरों और टीवी पर।

जैसा कि TechRadar ने बताया, वीडियो उत्पादन, संपादन और सूचीकरण में गहरे सीखने के अवसर पहले से ही बहुत अधिक हैं। लेकिन जैसा कि उल्लेख किया गया है, यह तकनीक केवल प्रसारण में दोहराए जाने वाले कार्यों तक ही सीमित नहीं है, क्योंकि यह “रचनात्मक प्रक्रिया को बढ़ाने, वीडियो वितरण में सुधार करने और बड़े वीडियो संग्रह को संरक्षित करने में मदद कर सकता है जो कई स्टूडियो रखते हैं।”

वीडियो उत्पादन और संपादन के संबंध में, यह उल्लेख किया गया है कि वार्नर ब्रोस ने हाल ही में ‘$25M’ का खर्च किया था ‘जस्टिस लीग’ के पुनः फिल्मांकन के लिए और उस पैसे का एक हिस्सा डिजिटल रूप से हेनरी कैविल द्वारा उगाए गए मूंछ को हटाने के लिए गया था, जो कि एक ओवरलैपिंग प्रतिबद्धता के कारण नहीं हटा सकता था। पोस्ट-प्रोडक्शन में ऐसी समय लेने वाली और वित्तीय रूप से तनावपूर्ण प्रक्रियाओं में गहरे सीखने का उपयोग निश्चित रूप से अच्छा काम करेगा।

व्यापक रूप से उपलब्ध समाधान जैसे फ्लो यह संभव बनाते हैं कि आप अपने विचार का वर्णन करके स्वचालित रूप से एक वीडियो बना सकते हैं। सॉफ्टवेयर तब एक निश्चित लाइब्रेरी में संग्रहीत संभावित वीडियो की खोज करता है और उन्हें स्वचालित रूप से एक साथ संपादित करता है।

फ्लो वीडियो को भी वर्गीकृत और सॉर्ट करने में सक्षम बनाता है, जिससे किसी विशिष्ट फुटेज को ढूंढना आसान हो जाता है। ऐसी तकनीकें यह भी संभव बनाती हैं कि आप आसानी से अवांछित फुटेज को हटा सकते हैं या किसी वीडियो में रुचि रखने वाले व्यक्ति के लिए एक व्यक्तिगत सिफारिश सूची बना सकते हैं।

गूगल ने एक न्यूरल नेटवर्क बनाया है जो “वीडियो के अग्रभूमि और पृष्ठभूमि को स्वचालित रूप से अलग कर सकता है। जो पहले एक ग्रीन स्क्रीन की आवश्यकता थी, अब किसी विशेष उपकरण की आवश्यकता नहीं है।”

गहरा नकली पहले से ही अपना नाम बना चुका है, अच्छा और बुरा, लेकिन इसका उपयोग विशेष प्रभावों में पहले से ही बहुत अधिक हो चुका है।

क्षेत्र जहां गहरा सीखना निश्चित रूप से पारंपरिक फिल्मों के पुनर्स्थापन में एक अंतर बनाएगा, क्योंकि यूसीएलए फिल्म और टेलीविजन आर्काइव, 1950 से पहले बनाई गई लगभग आधी फिल्में गुम हो गई हैं और 90% क्लासिक फिल्म प्रिंट वर्तमान में बहुत खराब स्थिति में हैं।

काले और सफेद फुटेज को रंगीन बनाना अभी भी फिल्म निर्माताओं के बीच एक विवादित विषय है, लेकिन जो लोग इस मार्ग पर जाने का फैसला करते हैं, वे अब एनवीडिया टूल्स का उपयोग कर सकते हैं, जो इस लंबी प्रक्रिया को काफी कम कर देगा, क्योंकि इसमें अब केवल एक फ्रेम को रंगीन करने की आवश्यकता होगी और गहरा सीखना बाकी काम करेगा। दूसरी ओर, गूगल ने एक प्रौद्योगिकी बनाई है जो वीडियो-रिकॉर्ड किए गए दृश्य के शुरुआती और अंतिम फ्रेम के आधार पर एक दृश्य के हिस्से को पुनर्निर्माण करने में सक्षम है।

चेहरे/वस्तु पहचान पहले से ही वीडियो संग्रह या संग्रह को वर्गीकृत करने, एक निश्चित अभिनेता या समाचार व्यक्ति के साथ क्लिप खोजने, या वीडियो या फिल्म में एक अभिनेता के समय को गिनने के लिए सक्रिय रूप से उपयोग की जा रही है। टेकराडार ने उल्लेख किया है कि स्काई न्यूज ने हाल ही में शाही विवाह में प्रसिद्ध चेहरों की पहचान करने के लिए चेहरे की पहचान का उपयोग किया था।

यह तकनीक अब खेल प्रसारण में व्यापक रूप से उपयोग की जा रही है, जैसे कि “गेंद की गति को ट्रैक करने के लिए, या गेम के अन्य महत्वपूर्ण तत्वों की पहचान करने के लिए।” फुटबॉल में यह तकनीक, जिसे वीएआर का नाम दिया गया है, वास्तव में कई आधिकारिक टूर्नामेंटों और राष्ट्रीय लीगों में एक रेफरी के उपकरण के रूप में उपयोग की जा रही है।

स्ट्रीमिंग प्रसारण का एक और पहलू है जो गहरे सीखने से लाभान्वित हो सकता है। न्यूरल नेटवर्क कम परिभाषा इनपुट से उच्च परिभाषा फ्रेम को पुनर्निर्माण कर सकते हैं, जिससे दर्शक को बेहतर देखने का अनुभव मिल सकता है, भले ही मूल इनपुट सिग्नल मानक के अनुसार न हो।