Глубокое обучение меняет лицо индустрии вещания

Глубокое обучение стало модным выражением во многих начинаниях, и вещательные организации также среди тех, кто начинает исследовать все потенциальные возможности, которые оно предлагает, от новостных репортажей до художественных фильмов и программ, как в кинотеатрах, так и на телевидении.

Как сообщает TechRadar, количество возможностей, которые глубокое обучение представляет в области видеопроизводства, редактирования и каталогизации, уже довольно высоко. Но, как отмечается, эта технология не ограничивается только тем, что считается повторяющимися задачами в вещании, поскольку она также может “улучшить творческий процесс, повысить качество видео и помочь сохранить огромные видеоархивы, которые многие студии хранят.”

Что касается генерации и редактирования видео, упоминается, что Warner Bros. недавно потратил 25 миллионов долларов на пересъемки ‘Лиги справедливости’ и часть этих денег пошла на удаление цифрового усов, который звезда Генри Кавилл вырос и не мог побриться из-за совпадающего обязательства. Использование глубокого обучения в таких трудоемких и финансово затратных процессах постпроизводства, безусловно, будет полезным.

Даже широко доступные решения, такие как Flo, позволяют использовать глубокое обучение для создания видео автоматически, описав свою идею. Программное обеспечение затем ищет возможные соответствующие видео, хранящиеся в определенной библиотеке, и редактирует их вместе автоматически.

Flo также может сортировать и классифицировать видео, что делает его проще найти определенный участок кадра. Такие технологии также позволяют легко удалять нежелательные кадры или создавать персональный список рекомендаций на основе видео, которое кто-то выразил интерес.

Google (GOOGL ) разработал нейронную сеть “которая может автоматически разделить передний и задний план видео. То, что ранее требовало зеленый экран, теперь можно сделать без специального оборудования.”

Глубокий фейк уже сделал себе имя, и хорошее, и плохое, но его потенциальное использование в спецэффектах уже достигло довольно высокого уровня.

Область, где глубокое обучение обязательно сделает разницу, – это восстановление классических фильмов, поскольку архив кино и телевидения UCLA, почти половина всех фильмов, снятых до 1950 года, исчезла, и 90% классических фильмов сейчас находятся в очень плохом состоянии.

Окрашивание черно-белых кадров все еще является спорной темой среди кинематографистов, но те, кто решает идти по этому пути, теперь могут использовать инструменты Nvidia (NVDA ), которые значительно сократят такой длительный процесс, поскольку теперь художнику необходимо раскрасить только один кадр сцены, а глубокое обучение сделает все остальное. С другой стороны, Google разработала технологию, которая может воссоздать часть видеозаписанной сцены на основе начальных и конечных кадров.

Распознавание лица/объекта уже активно используется, от классификации видеоколлекции или архива, поиска клипов с заданным актером или журналистом, или подсчета точного времени актера в видео или фильме. TechRadar упоминает, что Sky News недавно использовала распознавание лиц для идентификации знаменитых лиц на королевской свадьбе.

Эта технология сейчас широко используется в спортивных трансляциях, чтобы, скажем, “отслеживать движение мяча или определять другие ключевые элементы игры, такие как гол.” В футболе эта технология, получившая название VAR, фактически используется во многих официальных турнирах и национальных лигах в качестве инструмента судьи во время игры.

Потоковое вещание – это еще один аспект вещания, который может извлечь пользу из глубокого обучения. Нейронные сети могут воссоздать кадры высокого разрешения из низкокачественного входного сигнала, что делает возможным для зрителя получить лучшее качество просмотра, даже если исходный входной сигнал не соответствует стандарту.