Il deep learning sta rimodellando il settore delle trasmissioni

Apprendimento approfondito è diventata una parola d'ordine in molte iniziative, e anche le organizzazioni televisive sono tra quelle che devono iniziare a esplorare tutte le potenzialità che ha da offrire, dai notiziari ai lungometraggi e ai programmi, sia nei cinema che in TV.

As TechRadar riportato, il numero di opportunità offerte dal deep learning nel campo della produzione, del montaggio e della catalogazione di video è già piuttosto elevato. Ma come si nota, questa tecnologia non si limita solo a quelle che sono considerate attività ripetitive nella trasmissione, poiché può anche “migliorare il processo creativo, migliorare la consegna dei video e aiutare a preservare gli enormi archivi video che molti studi conservano".

Per quanto riguarda la generazione e l'editing di video, si segnala che la Warner Bros. rDi recente ha dovuto spendere 25 milioni di dollari per le riprese aggiuntive di "Justice League" e parte di quei soldi sono andati a rimuovere digitalmente i baffi della star Henry Cavill era cresciuto e non poteva radersi a causa di un impegno sovrapposto. L'uso del deep learning in processi di post-produzione così lunghi e finanziariamente gravosi sarà sicuramente sfruttato al meglio.

Anche soluzioni ampiamente disponibili come Flo consentono di utilizzare il deep learning per creare automaticamente un video semplicemente descrivendo la tua idea. Il software cerca quindi possibili video pertinenti archiviati in una determinata libreria e li modifica insieme automaticamente.

Flo è anche in grado di ordinare e classificare i video, rendendo più facile trovare una parte particolare del filmato. Tali tecnologie consentono inoltre di rimuovere facilmente filmati indesiderati o di creare un elenco di raccomandazioni personali basato su un video per il quale qualcuno ha espresso interesse.

Google ha ideato una rete neurale”che può separare automaticamente il primo piano e lo sfondo di un video. Cosa richiedeva a schermo verde ora può essere fatto senza attrezzature speciali.

Il deep fake si è già fatto un nome, sia nel bene che nel male, ma il suo potenziale utilizzo negli effetti speciali ha già raggiunto un livello piuttosto elevato.

L'area in cui il deep learning farà sicuramente la differenza nel restauro di film classici, come il UCLA Film & Television Archive, quasi la metà di tutti i film prodotti prima del 1950 è scomparsa e il 90% delle stampe cinematografiche classiche è attualmente in pessime condizioni.

Colorare le riprese in bianco e nero è ancora un argomento controverso tra i registi, ma chi decide di intraprendere questa strada può ora utilizzare gli strumenti Nvidia, che accorceranno significativamente un processo così lungo, poiché ora richiede che l'artista colori solo un fotogramma di una scena e che il deep learning faccia il resto. D'altra parte, Google ha sviluppato una tecnologia in grado di ricreare parte di una scena video registrata basandosi sui fotogrammi iniziali e finali.

Il riconoscimento di volti/oggetti è già utilizzato attivamente, dalla classificazione di una raccolta o archivio video, alla ricerca di clip con un determinato attore o giornalista o al conteggio dell'ora esatta di un attore in un video o in un film. TechRadar lo menziona Sky News ha recentemente utilizzato il riconoscimento facciale per identificare volti famosi al matrimonio reale.

Questa tecnologia sta diventando ampiamente utilizzata nelle trasmissioni sportive per, ad esempio, "tracciare i movimenti della palla o identificare altri elementi chiave del gioco, come il gol”. Nel calcio (calcio) questa tecnologia, dato il nome VAR è effettivamente utilizzata in molti tornei ufficiali e leghe nazionali come strumento arbitrale durante la partita.

Lo streaming è un altro aspetto della trasmissione che può beneficiare del deep learning. Le reti neurali possono ricreare frame ad alta definizione da input a bassa definizione, consentendo allo spettatore di beneficiare di una migliore visualizzazione, anche se il segnale di input originale non è completamente conforme allo standard.