ভিডিও থেকে চলন্ত বস্তু অপসারণের জন্য একটি ইউটিলিটি ছিল

আজ, অনেকের জন্য, একটি ফটোগ্রাফ থেকে একটি হস্তক্ষেপকারী উপাদান অপসারণ করা আর সমস্যা নয়। ফটোশপ বা ট্রেন্ডি নিউরাল নেটওয়ার্কে প্রাথমিক দক্ষতা আজ সমস্যার সমাধান করতে পারে। যাইহোক, ভিডিওর ক্ষেত্রে, পরিস্থিতি জটিল, কারণ আপনাকে ভিডিওর প্রতি সেকেন্ডে কমপক্ষে 24টি ফ্রেম প্রক্রিয়া করতে হবে।

এবং এখানে Github হাজির একটি ইউটিলিটি যা এই ক্রিয়াগুলিকে স্বয়ংক্রিয় করে, আপনাকে ভিডিও থেকে যেকোনো চলমান বস্তু সরাতে দেয়। কার্সার ব্যবহার করে একটি ফ্রেম সহ একটি অতিরিক্ত বস্তু নির্বাচন করা যথেষ্ট এবং সিস্টেমটি বাকি কাজ করবে। ইউটিলিটিটিকে সরলভাবে বলা হয় - ভিডিও-অবজেক্ট-রিমুভাল। যাইহোক, এটি উন্নত প্রযুক্তির উপর ভিত্তি করে।

সিস্টেমটি একটি নিউরাল নেটওয়ার্ক ব্যবহার করে যা একটি অপ্রয়োজনীয় বস্তু বা ব্যক্তিকে পটভূমিতে প্রতিস্থাপন করে ফ্রেম দ্বারা ভিডিও ফ্রেম প্রক্রিয়া করে। প্রোগ্রামটি প্রতি সেকেন্ডে 55 ফ্রেম পর্যন্ত পরিবর্তন করতে পারে, পার্শ্ববর্তী চিত্রের উপর ভিত্তি করে পটভূমি সম্পূর্ণ করে। যদিও ঘনিষ্ঠ পরিদর্শনে এটি স্পষ্ট হয়ে যায় যে বস্তুগুলি সরানোর পদ্ধতিটি নিখুঁত থেকে অনেক দূরে, ফলাফলগুলি চিত্তাকর্ষক।

কিছু ফ্রেম দেখায় যে "দূরবর্তী" ব্যক্তির জায়গায় একটি স্বচ্ছ বা স্বচ্ছ ফ্যান্টম ট্রেস রয়ে গেছে। আসল বিষয়টি হ'ল সিস্টেমটি কেবলমাত্র উপলব্ধ পটভূমি বিশ্লেষণ করে এবং এখনও পর্যন্ত এটি সর্বদা পর্যাপ্তভাবে শেষ করতে পারে না। এটি পটভূমির জটিলতার উপর নির্ভর করে - এটি যত সহজ এবং আরও অভিন্ন, চূড়ান্ত ফলাফল তত ভাল।

পরীক্ষার জন্য, আমরা Ubuntu 16.04, Python 3.5, Pytorch 0.4.0, CUDA 8.0 ব্যবহার করেছি এবং প্রক্রিয়াকরণটি NVIDIA GeForce GTX 1080 Ti ভিডিও কার্ডে করা হয়েছিল। উত্সগুলি নিজেরাই খোলা এবং প্রত্যেকের দ্বারা ব্যবহার করা যেতে পারে। একই সময়ে, আমরা লক্ষ্য করি যে এই প্রযুক্তিটি ক্ষতিকারক উদ্দেশ্যেও ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, ট্রাফিক লঙ্ঘন বা ক্যামেরায় ধরা অন্যান্য অপরাধগুলিকে "লুকাতে"।

উত্স: 3dnews.ru