Model dan platform AI
Pembelajaran Dalam Mengubah Industri Penyiaran

Pembelajaran dalam telah menjadi kata kunci di banyak upaya, dan organisasi penyiaran juga termasuk di antara mereka yang harus mulai mengeksplorasi semua potensi yang ditawarkannya, dari pelaporan berita hingga film fitur dan program, baik di bioskop maupun di TV.
Seperti yang dilaporkan oleh TechRadar, jumlah kesempatan yang ditawarkan oleh pembelajaran dalam dalam bidang produksi video, editing, dan katalogisasi sudah cukup tinggi. Namun, seperti yang dicatat, teknologi ini tidak hanya terbatas pada tugas-tugas berulang dalam penyiaran, karena juga dapat “memperkaya proses kreatif, memperbaiki pengiriman video, dan membantu melestarikan arsip video besar yang banyak dimiliki oleh studio.”
Dalam hal generasi dan editing video, disebutkan bahwa Warner Bros. baru-baru ini harus mengeluarkan $25M untuk syuting ulang ‘Justice League’ dan sebagian dari uang itu digunakan untuk menghapus digital kumis yang dimiliki oleh bintang Henry Cavill dan tidak bisa dicukur karena komitmen yang tumpang tindih. Penggunaan pembelajaran dalam dalam proses yang memakan waktu dan biaya seperti itu dalam pasca-produksi pasti akan dimanfaatkan dengan baik.
Bahkan solusi yang tersedia seperti Flo memungkinkan penggunaan pembelajaran dalam untuk membuat video secara otomatis hanya dengan menggambarkan ide Anda. Perangkat lunak tersebut kemudian mencari video yang relevan yang disimpan dalam perpustakaan tertentu dan mengeditnya bersama secara otomatis.
Flo juga dapat mengurutkan dan mengklasifikasikan video, membuatnya lebih mudah untuk menemukan bagian tertentu dari footage. Teknologi seperti ini juga memungkinkan untuk dengan mudah menghapus footage yang tidak diinginkan atau membuat daftar rekomendasi pribadi berdasarkan video yang telah dilihat oleh seseorang.
Google (GOOGL ) telah mengembangkan jaringan saraf “yang dapat secara otomatis memisahkan latar depan dan latar belakang video. Apa yang sebelumnya memerlukan layar hijau sekarang dapat dilakukan tanpa peralatan khusus.”
Deep fake telah membuat namanya sendiri, baik dan buruk, tetapi penggunaannya dalam efek khusus telah mencapai tingkat yang cukup tinggi.
Bidang di mana pembelajaran dalam pasti akan membuat perbedaan adalah dalam restorasi film klasik, karena Arsip Film & Televisi UCLA, hampir setengah dari semua film yang diproduksi sebelum 1950 telah hilang dan 90% dari cetakan film klasik saat ini dalam kondisi yang sangat buruk.
Mewarnai footage hitam putih masih merupakan subjek yang kontroversial di kalangan pembuat film, tetapi mereka yang memutuskan untuk mengambil rute itu sekarang dapat menggunakan alat Nvidia (NVDA ), yang akan sangat mempersingkat proses yang panjang seperti itu karena sekarang memerlukan bahwa seniman hanya mewarnai satu frame dari adegan dan pembelajaran dalam akan melakukan sisanya dari sana. Di sisi lain, Google telah mengembangkan teknologi yang dapat merekonstruksi bagian dari adegan yang direkam berdasarkan frame awal dan akhir.
Pengenalan wajah/objek sudah aktif digunakan, dari mengklasifikasikan koleksi video atau arsip, mencari klip dengan aktor atau pembawa berita tertentu, atau menghitung waktu pasti dari seorang aktor dalam video atau film. TechRadar menyebutkan bahwa Sky News baru-baru ini menggunakan pengenalan wajah untuk mengidentifikasi wajah terkenal di pernikahan kerajaan.
Teknologi ini sekarang banyak digunakan dalam penyiaran olahraga untuk, misalnya, “melacak gerakan bola, atau mengidentifikasi elemen kunci lainnya dalam permainan, seperti gol.” Dalam sepak bola (sepak bola) teknologi ini, yang diberi nama VAR, sebenarnya digunakan dalam banyak turnamen resmi dan liga nasional sebagai alat wasit selama permainan.
Streaming adalah aspek lain dari penyiaran yang dapat mendapat manfaat dari pembelajaran dalam. Jaringan saraf dapat merekonstruksi frame definisi tinggi dari input definisi rendah, membuatnya memungkinkan bagi pemirsa untuk mendapat manfaat dari tampilan yang lebih baik, bahkan jika sinyal input asli tidak sepenuhnya memenuhi standar.












