Derin Öğrenme Yayıncılık Endüstrisini Yeniden Şekillendiriyor

Derin öğrenme birçok alanda bir moda haline gelmiş ve yayıncılık organizasyonları da sunabileceği tüm potansiyeli keşfetmek zorunda olanlardan, haber raporlamasından film ve programlara, sinemalarda ve TV’de.

TechRadar’ın bildirdiği gibi, video üretimi, düzenleme ve kataloglama alanında derin öğrenmenin sunduğu fırsatlar zaten oldukça yüksek. Ancak bu teknoloji sadece yayıncılıkta tekrarlanan görevlerle sınırlı değil, aynı zamanda “yaratıcı süreci geliştirebilir, video teslimatını iyileştirebilir ve birçok stüdyonun tuttuğu devasa video arşivlerini koruyabilir.”

Video oluşturma ve düzenleme konusunda, Warner Bros.’un ‘Justice League’ için 25 milyon dolarlık yeniden çekim masraflarının bir kısmının, star Henry Cavill‘in büyüttüğü ve diğer bir taahhüt nedeniyle tıraş olamadığı bıyığını dijital olarak kaldırmak için harcandığı belirtiliyor. Post-prodüksiyondaki böyle zaman alan ve mali açıdan zorlu süreçlerde derin öğrenmenin kullanımı kesinlikle faydalı olacaktır.

Flo gibi yaygın olarak kullanılan çözümler, fikirlerinizi tarif ederek otomatik olarak bir video oluşturmanıza olanak tanır. Sonra yazılım, belirli bir kütüphanede depolanan ilgili videoları arar ve onları otomatik olarak düzenler.

Flo, videoları sıralamak ve sınıflandırmak için de kullanılabilir, bu da belirli bir bölümü bulmayı kolaylaştırır. Bu teknolojiler, istenmeyen görüntüleri kolayca kaldırmayı veya bir videoya ilgi gösteren jemand için kişisel bir öneri listesi oluşturmayı da mümkün kılar.

Google (GOOGL ), bir videonun ön planını ve arka planını otomatik olarak ayırabilen bir sinir ağı geliştirdi. “Önceden bir yeşil ekran gerektiren şey, artık özel ekipman olmadan yapılabilir.”

Derin sahtecilik, hem iyi hem de kötü anlamda already itself bir isim yapmıştır, ancak özel efektlerdeki potansiyel kullanımı zaten oldukça yüksek bir seviyeye ulaştı.

Derin öğrenmenin kesinlikle fark yaratacağı bir alan, klasik filmlerin restore edilmesidir, çünkü UCLA Film & Television Archive, 1950’den önce üretilen filmlerin neredeyse yarısının kaybolduğunu ve klasik film kopyalarının %90’ının şu anda çok kötü bir durumda olduğunu belirtiyor.

Siyah beyaz görüntüleri renklendirmek hala film yapımcıları arasında tartışmalı bir konudur, ancak bu yolu seçenler şimdi Nvidia (NVDA ) araçlarını kullanabilir, bu da bir sahnenin yalnızca bir kareyi renklendirmek için sanatçıya ihtiyaç duyulmasını ve derin öğrenmenin geri kalanını yapmasını sağlar. Diğer yandan, Google bir videonun belirli bir bölümünü başlangıç ve bitiş çerçevelerine dayanarak yeniden oluşturabilen bir teknoloji geliştirdi.

Yüz/Nesne tanıma zaten aktif olarak kullanılıyor, video koleksiyonlarını veya arşivi sınıflandırmak, belirli bir aktör veya haber sunucusu ile klipleri aramak veya bir video veya filmdeki bir aktörün tam süresini saymak için. TechRadar, Sky News’in ünlü yüzleri tanımlamak için yüz tanıma kullandığını belirtiyor.

Bu teknoloji, topu izlemek veya oyunun diğer önemli unsurlarını, örneğin golü tanımlamak için spor yayıncılığında da kullanılmaya başlandı. Futbol gibi oyunlarda bu teknoloji, VAR olarak adlandırılıyor ve birçok resmi turnuva ve ulusal liglerde bir hakemin aracı olarak kullanılıyor.

Yayıncılığın bir başka yönü olan akış, derin öğrenmeden yararlanabilir. Sinir ağları, düşük tanımlı girişten yüksek tanımlı çerçeveler oluşturabilir, bu da orijinal sinyal tam standartta olmasa bile izleyicinin daha iyi bir izleme deneyimi yaşamasını sağlar.