联系我们

德刀

深度学习正在重新塑造广播行业

mm

更新

 on

深度学习在许多努力中,已成为一个嗡嗡声,广播组织也是必须开始探索它所提供的所有潜力的广播组织,从新闻报道到电影和电视中的电影和程序都能提供电影和程序。

作为 TechRadar. 报道,机会数量深度学习在视频制作领域,编辑和编目已经很高。但正如所指出的那样,这种技术不仅限于广播中被认为是重复的任务,因为它也可以“增强创新过程,改善视频交付,并帮助保留许多工作室保留的大规模视频档案。“

就视频生成和编辑而言,它提到了华纳兄弟rEcent不得不在Reshoot上花费2500万美元‘Justice League’其中一部分钱去了数字地删除了明星的小胡子亨利·卡韦尔由于重叠的承诺而生长而且无法刮胡子。在生产后在这种耗时和经济上征税过程中使用深度学习肯定会良好使用。

即使是广泛的可用解决方案,也可以通过描述您的想法来使用深度学习自动创建视频。然后,软件搜索存储在某个库中的可能相关的视频,并自动编辑它们。

Flo还能够对视频进行排序和分类,使得更容易找到特定部分的素材。这些技术还可以轻松地删除不受欢迎的镜头或根据某人表示兴趣的视频制作个人推荐列表。

谷歌已经提出了一个神经网络“这可以自动分离视频的前景和背景。曾经需要什么绿色屏幕现在可以用没有特殊的设备完成。“

深刻的假冒已经成为自己的名字,好坏,但它在特效的潜在用途已经达到了很高的水平。

深度学习肯定会在经典电影的恢复时产生差异UCLA电影&电视档案,1950年之前生产的所有电影的近一半已经消失,90%的经典电影印刷品目前处于非常差的情况下。

彩色黑白镜头仍然是电影制作者中有争议的主题,但那些决定去那条路线的人现在可以使用 nvidia. 工具,这将大大缩短如此漫长的过程,因为它现在要求艺术家颜色只有一帧场景和深度学习将从那里进行休息。另一方面,谷歌提出了一种能够基于启动和结束框架重新创建视频录制场景的技术。

已经积极使用面部/对象识别,从分类视频收集或存档,搜索具有给定演员或新闻员的剪辑,或者计算视频或电影中的演员的确切时间。 TechRadar提及那个天空新闻最近使用面部认可来识别皇家婚礼的着名面。

这项技术现在正在广泛用于运动广播,例如,“跟踪球的运动,或识别游戏的其他关键元素,例如目标。“在足球(足球)这项技术,鉴于名称var实际上是在许多官方锦标赛和国家联赛中使用作为裁判在比赛中的工具。

流媒体是广播的另一个方面,可以从深度学习中受益。神经网络可以从低清晰度输入重新创建高清晰度帧,使得观众可以从更好的观看中受益,即使原始输入信号没有完全达到标准。