Глибоке навчання змінює індустрію мовлення

Глибоке навчання стало модним словом у багатьох галузях, і мовні організації також серед тих, хто повинен почати вивчати весь його потенціал, від репортажів до художніх фільмів і програм, як в кінотеатрах, так і на телебаченні.

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

Що стосується генерації та редагування відео, то згадується, що Warner Bros. недавно витратив $25M на перезйомку «Ліги справедливості» і частина цих коштів пішла на цифрове видалення вусів, які зірка Генрі Кавілл виростив і не міг поголити через суперечливе зобов’язання. Використання глибокого навчання в таких часо- та фінансово витратних процесах постпродакшну буде певно використано з користю.

Дажи широко доступні рішення, такі як Flo, дозволяють використовувати глибоке навчання для створення відео просто шляхом опису вашої ідеї. Програмне забезпечення потім шукає можливі відповідні відео, які зберігаються в певній бібліотеці, і редагує їх разом автоматично.

Flo також здатний сортувати та класифікувати відео, що робить його легшим знайти певну частину кадру. Такі технології також дозволяють легко видалити нежадане відео або створити персональний список рекомендацій на основі відео, яке хтось висловив інтерес.

Google (GOOGL ) розробила нейронну мережу «яка може автоматично розділити передній план і фон відео. Що раніше вимагало зеленого екрана, тепер можна зробити без спеціального обладнання».

Глибокі підробки вже здобули популярність, і хороші, і погані, але їхній потенційний використовуваний у спецефектах вже досяг досить високого рівня.

Область, де глибоке навчання一定 зробить різницю, полягає у відновленні класичних фільмів, оскільки, як зазначає Архів кіно та телебачення UCLA, майже половина всіх фільмів, створених до 1950 року, зникла, а 90% класичних фільмів зараз знаходяться в дуже поганому стані.

Колоризація чорно-білих кадрів все ще є спірною темою серед кінематографістів, але ті, хто вирішує слідувати цьому шляху, тепер можуть використовувати інструменти Nvidia (NVDA ), які значно скоротять такий тривалий процес, оскільки тепер художнику потрібно тільки розфарбувати один кадр сцени, а глибоке навчання зробить все інше. З іншого боку, Google розробила технологію, яка здатна реконструювати частину відеозапису на основі початкових і кінцевих кадрів.

Розпізнавання облич та об’єктів уже активно використовується, від класифікації відеозбірок чи архівів, пошуку кліпів з певною акторкою чи журналістом, або підрахунку точного часу актора у відео чи фільмі. TechRadar згадує, що Sky News недавно використала розпізнавання облич для ідентифікації відомих осіб на королівському весіллі.

Ця технологія тепер широко використовується у спортивному мовленні, наприклад, «для відстеження руху м’яча, або для ідентифікації інших ключових елементів гри, таких як гол.» У футболі ця технологія, яка має назву VAR, фактично використовується у багатьох офіційних турнірах і національних лігах як інструмент арбітра під час гри.

Стримінг є ще одним аспектом мовлення, який може виграти від глибокого навчання. Нейронні мережі можуть реконструювати кадри високої чіткості з низькоякісного входу, що робить можливим для глядача отримувати краще відображення, навіть якщо оригінальний сигнал входу не повністю відповідає стандарту.