Глибоке навчання змінює форму телерадіомовлення

Глибоке навчання стало модним словом у багатьох починаннях, і телевізійні організації також є одними з тих, хто має почати досліджувати весь потенціал, який він може запропонувати, від репортажів новин до художніх фільмів і програм, як у кінотеатрах, так і на телебаченні.

As TechRadar Як повідомляється, кількість можливостей глибокого навчання у сфері відеовиробництва, редагування та каталогізації вже досить велика. Але, як зазначається, ця технологія не обмежується лише тим, що вважається повторюваними завданнями в мовленні, оскільки вона також може «покращити творчий процес, покращити доставку відео та допомогти зберегти величезні відеоархіви, які зберігають багато студій».

Що стосується створення та редагування відео, згадується, що Warner Bros. rнещодавно довелося витратити 25 мільйонів доларів на перезйомки для «Ліги Справедливості», і частина цих грошей пішла на цифрове видалення вусів цієї зірки. Генрі Кавілл виріс і не міг поголитися через перекриття зобов’язань. Використання глибокого навчання в таких трудомістких і фінансово важких процесах у постпродакшні, безумовно, буде добре використано.

Навіть такі широко доступні рішення, як Flo, дозволяють використовувати глибоке навчання для автоматичного створення відео, просто описуючи свою ідею. Програмне забезпечення потім шукає можливі відповідні відео, які зберігаються в певній бібліотеці, і редагує їх разом автоматично.

Flo також може сортувати та класифікувати відео, полегшуючи пошук певної частини відзнятого матеріалу. Такі технології також дають змогу легко видаляти небажані кадри або створювати особистий список рекомендацій на основі відео, яким хтось зацікавився.

Google придумав нейромережу"який може автоматично розділяти передній план і фон відео. Що раніше вимагало a зелений екран тепер це можна зробити без спеціального обладнання».

Глибокий фейк вже зробив собі ім'я, як добре, так і погано, але потенціал його використання в спецефектах вже досяг досить високого рівня.

Сфера, де глибоке навчання, безумовно, вплине на реставрацію класичних фільмів, як Архів фільмів і телебачення Каліфорнійського університету в Лос-Анджелесі, майже половина всіх фільмів, створених до 1950 року, зникла, а 90% класичних фільмів наразі знаходяться в дуже поганому стані.

Розфарбовування чорно-білого матеріалу все ще викликає суперечки серед кінематографістів, але ті, хто вирішив піти цим шляхом, тепер можуть використовувати інструменти Nvidia, які значно скоротять такий тривалий процес, оскільки тепер потрібно, щоб художник розфарбовував лише один кадр сцени, а глибоке навчання зробить решту. З іншого боку, Google розробив технологію, яка здатна відтворити частину відеозйомки на основі початкових і кінцевих кадрів.

Розпізнавання обличчя/об’єкта вже активно використовується, починаючи від класифікації колекції відео чи архіву, пошуку кліпів із певним актором чи журналістом або підрахунку точного часу актора у відео чи фільмі. Про це згадує TechRadar Sky News нещодавно використав розпізнавання облич, щоб розпізнати відомих облич на королівському весіллі.

Ця технологія зараз широко використовується в спортивних трансляціях, скажімо, «відстежувати рухи м’яча або ідентифікувати інші ключові елементи гри, такі як ворота». У футбол (футбол) Ця технологія, яка отримала назву VAR, фактично використовується в багатьох офіційних турнірах і національних лігах як інструмент арбітра під час гри.

Потокове передавання – це ще один аспект мовлення, який може виграти від глибокого навчання. Нейронні мережі можуть відтворювати кадри високої чіткості з вхідного сигналу низької чіткості, дозволяючи глядачеві отримати переваги від кращого перегляду, навіть якщо вихідний вхідний сигнал не повністю відповідає стандарту.