深度学习正在重塑广播业

深度学习已成为许多努力中的流行词，广播组织也必须开始探索它所提供的所有潜力，从新闻报道到电影和电视节目，无论是在电影院还是在电视上。

正如TechRadar报道的那样，深度学习在视频制作、编辑和编目领域提供的机会数量已经相当多。但如前所述，这项技术不仅限于广播中被认为是重复性的任务，因为它还可以“增强创作过程，改善视频交付并帮助保存许多工作室保留的大量视频档案。”

就视频生成和编辑而言，据称华纳兄弟最近不得不花费 2500 万美元重新拍摄《正义联盟》，其中一部分资金用于以数字方式去除明星亨利卡维尔 已经长出的胡须，并且可以由于重叠的承诺而没有刮胡子。在后期制作中这种耗时且费钱的过程中使用深度学习肯定会得到很好的利用。

即使是像 Flo 这样广泛可用的解决方案，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，该软件会搜索存储在某个库中的可能相关视频，并自动将它们一起编辑。

Flo 还能够对视频进行排序和分类，从而更容易找到素材的特定部分。此类技术还可以轻松删除不受欢迎的镜头或根据某人表示感兴趣的视频制作个人推荐列表。

谷歌提出了一种“神经网络” ，可以自动分离视频的前景和背景。过去需要 绿屏的 事情现在可以在没有特殊设备的情况下完成。”

Deep fake 已经名声在外，有好有坏，但它在特效方面的潜力已经达到了相当高的水平。

深度学习肯定会对经典电影的修复产生影响的领域，作为加州大学洛杉矶分校影视档案馆，1950 年之前制作的所有电影中近一半已经消失，90% 的经典电影版画目前处于非常糟糕的状态健康)状况。

给黑白素材上色仍然是电影制作人之间有争议的话题，但那些决定走这条路的人现在可以使用Nvidia 工具，这将大大缩短如此漫长的过程，因为现在它要求艺术家只为场景的一帧上色深度学习将从那里完成剩下的工作。另一方面，谷歌提出了一种技术，能够根据开始和结束帧重新创建视频录制场景的一部分。

人脸/物体识别已经被积极使用，从对视频收藏或档案进行分类、搜索给定演员或新闻人的剪辑，或计算演员在视频或电影中的确切时间。TechRadar 提到，天空新闻最近使用面部识别来识别皇室婚礼上的名人面孔。

这项技术现在正广泛用于体育广播，例如“跟踪球的运动，或识别比赛的其他关键要素，例如进球”。在足球(football) 中，这种技术，命名为 VAR 实际上在许多官方锦标赛和国家联赛中用作比赛期间的裁判工具。

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，即使原始输入信号不完全符合标准，观众也可以从更好的观看中受益。

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。