Învățarea profundă remodelează industria de transmisie

Învățarea profundă a devenit un cuvânt cheie în multe domenii, iar organizațiile de transmisie sunt printre cele care trebuie să înceapă să exploreze toate potențialul pe care îl oferă, de la raportarea știrilor la filme și programe de televiziune, atât în cinematografe, cât și la televizor.

Așa cum a raportat TechRadar, numărul de oportunități pe care le oferă învățarea profundă în domeniul producției de videoclipuri, editare și catalogare este deja destul de mare. Dar, așa cum se menționează, această tehnologie nu este limitată doar la ceea ce se consideră a fi sarcini repetitive în transmisie, deoarece poate “îmbunătăți procesul creativ, îmbunătăți livrarea videoclipurilor și ajuta la conservarea arhivelor video masive pe care le au multe studiouri.”

În ceea ce privește generarea și editarea videoclipurilor, se menționează că Warner Bros. a cheltuit recent 25 de milioane de dolari pentru refilmarea filmului “Justice League” și o parte din acești bani au fost alocați pentru îndepărtarea digitală a mustății pe care actorul Henry Cavill o avea și nu o putea radia din cauza unui angajament suprapus. Utilizarea învățării profunde în astfel de procese consumatoare de timp și costisitoare din post-producție va fi cu siguranță folosită în mod util.

Chiar și soluțiile larg disponibile, cum ar fi Flo, fac posibilă utilizarea învățării profunde pentru a crea automat un videoclip prin descrierea ideii dvs. Software-ul caută apoi videoclipuri posibil relevante stocate într-o anumită bibliotecă și le editează împreună în mod automat.

Flo poate sorta și clasifica videoclipuri, făcându-le mai ușor de găsit o anumită parte a filmării. Astfel de tehnologii fac, de asemenea, posibilă îndepărtarea ușoară a filmărilor nedorite sau crearea unei liste de recomandări personale bazate pe un videoclip în care cineva a arătat interes.

Google (GOOGL ) a creat o rețea neurală “care poate separa automat fundalul și prim-planul unui videoclip. Ceea ce obișnuia să necesite un ecran verde poate fi făcut acum fără echipament special.”

Deep fake a făcut deja o reputație, atât bună, cât și rea, dar utilizarea sa potențială în efecte speciale a ajuns deja la un nivel destul de ridicat.

Domeniul în care învățarea profundă va face cu siguranță o diferență este restaurarea filmelor clasice, deoarece Arhiva de Film și Televiziune a UCLA, aproape jumătate din toate filmele produse înainte de 1950 au dispărut și 90% din imprimeurile de film clasice se află în prezent într-o stare foarte proastă.

Colorizarea filmelor alb-negru este încă un subiect controversat printre cineaști, dar cei care decid să o facă pot utiliza acum instrumentele Nvidia (NVDA ), care vor scurta semnificativ un astfel de proces lung, deoarece acum necesită ca artistul să coloreze doar un cadru al unei scene și învățarea profundă va face restul de acolo. Pe de altă parte, Google a creat o tehnologie care poate recrea o parte a unei scene filmate pe baza cadrului de început și de sfârșit.

Recunoașterea feței/obiectului este deja utilizată activ, de la clasificarea unei colecții de videoclipuri sau a unui arhiv, căutarea de clipuri cu un anumit actor sau prezentator, sau numărarea timpului exact al unui actor într-un videoclip sau film. TechRadar menționează că Sky News a utilizat recent recunoașterea facială pentru a identifica fețe celebre la nunta regală.

Această tehnologie este acum utilizată pe scară largă în transmisiile sportive pentru a urmări, de exemplu, “mișcările mingii sau pentru a identifica alte elemente cheie ale jocului, cum ar fi golul.” În fotbal, această tehnologie, denumită VAR, este utilizată în mod real în multe turnee oficiale și ligi naționale ca instrument al arbitrilor în timpul jocului.

Transmisia este încă un alt aspect al transmisiei care poate beneficia de învățarea profundă. Rețelele neuronale pot recrea cadre de înaltă definiție din intrări de joasă definiție, făcând posibil ca spectatorul să beneficieze de o vizionare mai bună, chiar dacă semnalul de intrare original nu este pe deplin la standard.