कोलाबोरा ने वीडियो कम्प्रेशन के लिए एक मशीन लर्निंग सिस्टम पेश किया

कोलाबोरा ने वीडियो कॉन्फ्रेंसिंग की संपीड़न दक्षता में सुधार करने के लिए एक मशीन लर्निंग सिस्टम का कार्यान्वयन प्रकाशित किया है, जो प्रतिभागी के चेहरे के साथ वीडियो प्रसारित करने के मामले में, H.10 स्तर पर गुणवत्ता बनाए रखते हुए आवश्यक बैंडविड्थ को 264 गुना कम करने की अनुमति देता है। . कार्यान्वयन PyTorch फ्रेमवर्क का उपयोग करके Python में लिखा गया है और GPLv3 लाइसेंस के तहत खुला है।

यह विधि आपको चेहरे के उन विवरणों को फिर से बनाने की अनुमति देती है जो उच्च स्तर के संपीड़न के साथ ट्रांसमिशन के दौरान खो गए थे। मशीन लर्निंग मॉडल एक अलग से प्रसारित उच्च-गुणवत्ता वाली चेहरे की छवि और परिणामी वीडियो के आधार पर एक टॉकिंग हेड एनीमेशन उत्पन्न करता है, जो वीडियो में चेहरे की अभिव्यक्ति और सिर की स्थिति में परिवर्तन को ट्रैक करता है। प्रेषक की ओर से, वीडियो बहुत कम बिटरेट पर प्रसारित होता है, और प्राप्तकर्ता की ओर से इसे मशीन लर्निंग सिस्टम द्वारा संसाधित किया जाता है। गुणवत्ता को और बढ़ाने के लिए, उत्पन्न वीडियो को सुपर-रिज़ॉल्यूशन मॉडल का उपयोग करके संसाधित किया जा सकता है।

स्रोत: opennet.ru