કોલાબોરાએ વિડિયો કમ્પ્રેશન માટે મશીન લર્નિંગ સિસ્ટમ રજૂ કરી

કોલાબોરાએ વિડિયો કોન્ફરન્સિંગની કમ્પ્રેશન કાર્યક્ષમતામાં સુધારો કરવા માટે મશીન લર્નિંગ સિસ્ટમનો અમલ પ્રકાશિત કર્યો છે, જે H.10 સ્તર પર ગુણવત્તા જાળવી રાખીને, પ્રતિભાગીના ચહેરા સાથે વિડિયો ટ્રાન્સમિટ કરવાના કિસ્સામાં, જરૂરી બેન્ડવિડ્થને 264 ગણો ઘટાડવાની મંજૂરી આપે છે. . અમલીકરણ PyTorch ફ્રેમવર્કનો ઉપયોગ કરીને Python માં લખાયેલ છે અને GPLv3 લાયસન્સ હેઠળ ખુલ્લું છે.

પદ્ધતિ તમને ઉચ્ચ સ્તરના કમ્પ્રેશન સાથે ટ્રાન્સમિશન દરમિયાન ખોવાયેલી ચહેરાની વિગતોને પુનઃનિર્માણ કરવાની મંજૂરી આપે છે. મશીન લર્નિંગ મૉડલ અલગથી પ્રસારિત ઉચ્ચ-ગુણવત્તાવાળી ચહેરાની છબી અને પરિણામી વિડિયો, વિડિયોમાં ચહેરાના હાવભાવ અને માથાની સ્થિતિના ફેરફારોને ટ્રૅક કરવા પર આધારિત ટોકિંગ હેડ એનિમેશન જનરેટ કરે છે. પ્રેષકની બાજુએ, વિડિઓ ખૂબ જ ઓછા બિટરેટ પર પ્રસારિત થાય છે, અને પ્રાપ્તકર્તાની બાજુએ તે મશીન લર્નિંગ સિસ્ટમ દ્વારા પ્રક્રિયા કરવામાં આવે છે. ગુણવત્તાને વધુ વધારવા માટે, જનરેટ કરેલ વિડિયોને સુપર-રિઝોલ્યુશન મોડલનો ઉપયોગ કરીને પ્રોસેસ કરી શકાય છે.

સોર્સ: opennet.ru