വീഡിയോ കംപ്രഷനായി കൊളബോറ ഒരു മെഷീൻ ലേണിംഗ് സിസ്റ്റം അവതരിപ്പിച്ചു

വീഡിയോ കോൺഫറൻസിംഗിന്റെ കംപ്രഷൻ കാര്യക്ഷമത മെച്ചപ്പെടുത്തുന്നതിനായി ഒരു മെഷീൻ ലേണിംഗ് സിസ്റ്റം നടപ്പിലാക്കുന്നത് കൊളബോറ പ്രസിദ്ധീകരിച്ചു, ഇത് പങ്കാളിയുടെ മുഖത്ത് വീഡിയോ പ്രക്ഷേപണം ചെയ്യുന്ന സാഹചര്യത്തിൽ, H.10 ലെവലിൽ ഗുണനിലവാരം നിലനിർത്തിക്കൊണ്ട് ആവശ്യമായ ബാൻഡ്‌വിഡ്ത്ത് 264 മടങ്ങ് കുറയ്ക്കാൻ അനുവദിക്കുന്നു. . PyTorch ചട്ടക്കൂട് ഉപയോഗിച്ച് പൈത്തണിലാണ് നടപ്പിലാക്കൽ എഴുതിയിരിക്കുന്നത്, GPLv3 ലൈസൻസിന് കീഴിൽ തുറന്നിരിക്കുന്നു.

ഉയർന്ന തലത്തിലുള്ള കംപ്രഷൻ ഉപയോഗിച്ച് ട്രാൻസ്മിഷൻ സമയത്ത് നഷ്ടപ്പെട്ട മുഖത്തിന്റെ വിശദാംശങ്ങൾ പുനർനിർമ്മിക്കാൻ ഈ രീതി നിങ്ങളെ അനുവദിക്കുന്നു. മെഷീൻ ലേണിംഗ് മോഡൽ ഒരു ടോക്കിംഗ് ഹെഡ് ആനിമേഷൻ സൃഷ്ടിക്കുന്നത് വെവ്വേറെ പ്രക്ഷേപണം ചെയ്ത ഉയർന്ന നിലവാരമുള്ള മുഖചിത്രവും തത്ഫലമായുണ്ടാകുന്ന വീഡിയോയും അടിസ്ഥാനമാക്കി, വീഡിയോയിലെ മുഖഭാവത്തിലും തലയുടെ സ്ഥാനത്തിലുമുള്ള മാറ്റങ്ങൾ ട്രാക്കുചെയ്യുന്നു. അയച്ചയാളുടെ ഭാഗത്ത്, വീഡിയോ വളരെ കുറഞ്ഞ ബിറ്റ്റേറ്റിൽ പ്രക്ഷേപണം ചെയ്യുന്നു, സ്വീകർത്താവിന്റെ ഭാഗത്ത് ഇത് ഒരു മെഷീൻ ലേണിംഗ് സിസ്റ്റം വഴി പ്രോസസ്സ് ചെയ്യുന്നു. ഗുണമേന്മ കൂടുതൽ മെച്ചപ്പെടുത്തുന്നതിന്, സൃഷ്ടിച്ച വീഡിയോ സൂപ്പർ-റെസല്യൂഷൻ മോഡൽ ഉപയോഗിച്ച് പ്രോസസ്സ് ചെയ്യാൻ കഴിയും.

അവലംബം: opennet.ru