방송 산업에서 딥 러닝의 재구성

딥 러닝은 많은 분야에서 화두가 되고 있습니다. 방송 조직도 딥 러닝의 잠재력을 탐색하기 시작했습니다. 뉴스報道에서 특집 영화 및 프로그램에 이르기까지 영화관 및 TV에서 방송되는 모든 것에 걸쳐 딥 러닝의 잠재력을 탐색하기 시작했습니다.

TechRadar에 따르면, 비디오 제작, 편집 및 카탈로그화에 대한 딥 러닝의 기회는 이미 상당히 많습니다. 그러나 이 기술은 반복적인 작업에만 국한되지 않으며, “창의적 프로세스를 강화하고 비디오 전달을 개선하며 많은 스튜디오가 보관하는 방대한 비디오 아카이브를 보존하는 데 도움이 될 수 있습니다.

비디오 생성 및 편집과 관련하여 Warner Bros.는 최근 ‘저스티스 리그’의 리샷에 2,500만 달러를 지출해야 했으며, 일부 금액은 배우 헨리 캐빌이 자라させ고 있었던 수염을 디지털로 제거하는 데 사용되었습니다. 수염을 깎을 수 없었던 캐빌은 다른 프로젝트와 겹치기 때문이었습니다. 포스트 프로덕션의 시간이 걸리는 과정과 재정적으로 고비를 맞는 과정에서 딥 러닝의 사용은 분명히 유용하게 쓰일 것입니다.

Flo와 같은 널리 사용되는 솔루션은 딥 러닝을 사용하여 비디오를 자동으로 생성할 수 있습니다. 사용자는 자신의 아이디어를 설명하기만 하면 됩니다. 그런 다음 소프트웨어는 특정 라이브러리에서 가능한 관련 비디오를 검색하고 자동으로 편집합니다.

Flo는 또한 비디오를 정렬하고 분류할 수 있으므로 특정 부분을 쉽게 찾을 수 있습니다. 이러한 기술은 또한 원치 않는 부분을 쉽게 제거하거나 사용자가 관심을 표명한 비디오에 대한 개인화된 추천 목록을 만들 수 있습니다.

구글은 비디오의 전경과 배경을 자동으로 분리할 수 있는 신경망을 개발했습니다. 그린 스크린을 사용해야 했던 작업이 이제 특별한 장비 없이 수행될 수 있습니다.

딥페이크는 이미 이름을 떨치고 있습니다. 그 용도는 좋을 수도 있고 나쁠 수도 있습니다. 그러나 특수 효과에 대한 잠재적인 사용은 이미 상당히 높은 수준에 도달했습니다.

딥 러닝이 방송 산업에서 차이를 만들기 위한 영역은 클래식 영화의 복원입니다. UCLA 영화 및 텔레비전 아카이브에 따르면, 1950년 이전에 제작된 영화 중 거의 절반이 사라졌으며, 클래식 영화 인쇄물의 90%는 현재 매우 나쁨 상태입니다.

흑백 영상을 색상화하는 것은 여전히 영화 제작자 사이에서 논란의 주제입니다. 그러나 이 路線을 선택하는 사람들은 이제 Nvidia (NVDA ) 도구를 사용할 수 있습니다. 이 도구는 이러한 긴 과정을 크게 단축할 것입니다. 예를 들어, 아티스트는 한 장면의 한 프레임만 색상화하면 딥 러닝이 나머지를 처리할 것입니다. 한편, 구글은 시작 프레임과 끝 프레임을 기반으로 비디오 녹화된 장면의 일부를 재구성할 수 있는 기술을 개발했습니다.

얼굴/객체 인식은 이미 활발히 사용되고 있습니다. 비디오 컬렉션 또는 아카이브를 분류하거나, 특정 배우 또는 뉴스 앵커가 등장하는 클립을 검색하거나, 비디오 또는 영화에서 배우의 정확한 시간을 세는 데 사용됩니다. TechRadar는 최근 Sky News가 왕실 결혼식에서 유명한 얼굴을 식별하기 위해 얼굴 인식을 사용했다고 보고했습니다.

이 기술은現在 스포츠 방송에서 널리 사용되고 있습니다. 예를 들어, “공의 움직임을 추적하거나, 게임의 다른 중요한 요소를 식별하는 데 사용할 수 있습니다.” 축구(축구)에서 이 기술은 실제로 많은 공식 대회와 국가 리그에서 심판 도구로 사용됩니다.

스트리밍은 딥 러닝의 이점을 얻을 수 있는 방송의 또 다른 측면입니다. 신경망은 저해상도 입력에서 고해상도 프레임을 재구성할 수 있으므로, 원본 입력 신호가 표준에 완전히 달성되지 않더라도 시청자가 더 나은 시청 경험을 할 수 있습니다.