વિડિયોમાંથી ફરતા પદાર્થોને દૂર કરવા માટે એક ઉપયોગિતા હતી

આજે, ઘણા લોકો માટે, ફોટોગ્રાફમાંથી દખલકારી તત્વને દૂર કરવું હવે કોઈ સમસ્યા નથી. આજે ફોટોશોપ અથવા ટ્રેન્ડી ન્યુરલ નેટવર્કમાં મૂળભૂત કૌશલ્યો સમસ્યા હલ કરી શકે છે. જો કે, વિડિઓના કિસ્સામાં, પરિસ્થિતિ જટિલ છે, કારણ કે તમારે ઓછામાં ઓછા 24 ફ્રેમ્સ પ્રતિ સેકન્ડ વિડિઓ પર પ્રક્રિયા કરવાની જરૂર છે.

અને અહીં Github પર દેખાયા એક ઉપયોગિતા જે આ ક્રિયાઓને સ્વચાલિત કરે છે, જે તમને વિડિયોમાંથી કોઈપણ મૂવિંગ ઑબ્જેક્ટને દૂર કરવાની મંજૂરી આપે છે. કર્સરનો ઉપયોગ કરીને ફ્રેમ સાથે વધારાની ઑબ્જેક્ટ પસંદ કરવા માટે તે પૂરતું છે, અને સિસ્ટમ બાકીનું કરશે. ઉપયોગિતાને સ્પષ્ટ રીતે કહેવામાં આવે છે - વિડિઓ-ઓબ્જેક્ટ-રિમૂવલ. જો કે, તે અદ્યતન તકનીકો પર આધારિત છે.

સિસ્ટમ એક ન્યુરલ નેટવર્કનો ઉપયોગ કરે છે જે વિડિયો ફ્રેમને ફ્રેમ દ્વારા પ્રક્રિયા કરે છે, બિનજરૂરી ઑબ્જેક્ટ અથવા વ્યક્તિને પૃષ્ઠભૂમિ સાથે બદલીને. પ્રોગ્રામ આસપાસની છબીના આધારે પૃષ્ઠભૂમિને પૂર્ણ કરીને, પ્રતિ સેકન્ડ 55 ફ્રેમ્સ સુધી બદલી શકે છે. જો કે નજીકના નિરીક્ષણ પર તે સ્પષ્ટ થાય છે કે વસ્તુઓને દૂર કરવાની પદ્ધતિ સંપૂર્ણ નથી, પરિણામો પ્રભાવશાળી છે.

કેટલીક ફ્રેમ્સ દર્શાવે છે કે "દૂરસ્થ" વ્યક્તિની જગ્યાએ પારદર્શક અથવા અર્ધપારદર્શક ફેન્ટમ ટ્રેસ રહે છે. હકીકત એ છે કે સિસ્ટમ ફક્ત ઉપલબ્ધ પૃષ્ઠભૂમિનું વિશ્લેષણ કરે છે અને અત્યાર સુધી તેને હંમેશા પર્યાપ્ત રીતે સમાપ્ત કરી શકતું નથી. તે પૃષ્ઠભૂમિની જટિલતા પર આધાર રાખે છે - તે સરળ અને વધુ સમાન છે, અંતિમ પરિણામ વધુ સારું છે.

પરીક્ષણ માટે, અમે Ubuntu 16.04, Python 3.5, Pytorch 0.4.0, CUDA 8.0 નો ઉપયોગ કર્યો, અને પ્રક્રિયા NVIDIA GeForce GTX 1080 Ti વિડિઓ કાર્ડ પર હાથ ધરવામાં આવી હતી. સ્ત્રોતો પોતે ખુલ્લા છે અને દરેક વ્યક્તિ તેનો ઉપયોગ કરી શકે છે. તે જ સમયે, અમે નોંધીએ છીએ કે આ તકનીકનો ઉપયોગ દૂષિત હેતુઓ માટે પણ થઈ શકે છે. ઉદાહરણ તરીકે, ટ્રાફિક ઉલ્લંઘન અથવા કેમેરામાં કેદ થયેલા અન્ય ગુનાઓને "છુપાવવા" માટે.

સોર્સ: 3dnews.ru