Collabora-k bideokonferentziaren konpresio-eraginkortasuna hobetzeko ikaskuntza automatikoko sistema baten inplementazioa argitaratu du, eta horri esker, parte-hartzaile baten aurpegiarekin bideoa transmititzearen kasuan, beharrezkoa den banda-zabalera 10 aldiz murriztea H.264 mailan kalitatea mantenduz. . Inplementazioa Python-en idatzita dago PyTorch esparrua erabiliz eta GPLv3 lizentziapean dago irekita.
Metodoak transmisioan galdutako aurpegiko xehetasunak konpresio maila handiarekin berreraiki ditzakezu. Ikaskuntza automatikoko ereduak buru hitz egiten duen animazio bat sortzen du bereizita transmititutako kalitate handiko aurpegiko irudi batean eta ondoriozko bideoan oinarrituta, bideoan aurpegiko adierazpenen eta buruaren posizioaren aldaketen jarraipena eginez. Igorlearen aldetik, bideoa oso bit-abiadura baxuan transmititzen da, eta hartzailearen aldetik ikaskuntza automatikoko sistema batek prozesatzen du. Kalitatea are gehiago hobetzeko, sortutako bideoa Super-Resolution eredua erabiliz prozesatu daiteke.
Iturria: opennet.ru