Collabora ने व्हिडिओ कॉम्प्रेशनसाठी मशीन लर्निंग सिस्टीम सादर केली

Collabora ने व्हिडिओ कॉन्फरन्सिंगची कॉम्प्रेशन कार्यक्षमता सुधारण्यासाठी मशीन लर्निंग सिस्टीमची अंमलबजावणी प्रकाशित केली आहे, जी सहभागीच्या चेहऱ्यासह व्हिडिओ प्रसारित करण्याच्या बाबतीत, H.10 स्तरावर गुणवत्ता राखून आवश्यक बँडविड्थ 264 पट कमी करण्यास अनुमती देते. . अंमलबजावणी PyTorch फ्रेमवर्क वापरून Python मध्ये लिहिलेली आहे आणि GPLv3 परवान्याअंतर्गत उघडली आहे.

ही पद्धत आपल्याला उच्च पातळीच्या कॉम्प्रेशनसह ट्रान्समिशन दरम्यान गमावलेल्या चेहर्यावरील तपशीलांची पुनर्रचना करण्यास अनुमती देते. मशीन लर्निंग मॉडेल स्वतंत्रपणे प्रसारित केलेल्या उच्च-गुणवत्तेच्या चेहर्यावरील प्रतिमा आणि परिणामी व्हिडिओ, चेहर्यावरील हावभाव आणि व्हिडिओमधील डोके स्थितीतील बदलांचा मागोवा घेत असलेल्या टॉकिंग हेड ॲनिमेशन तयार करते. प्रेषकाच्या बाजूने, व्हिडिओ अत्यंत कमी बिटरेटवर प्रसारित केला जातो आणि प्राप्तकर्त्याच्या बाजूने मशीन लर्निंग सिस्टमद्वारे त्यावर प्रक्रिया केली जाते. गुणवत्ता आणखी वाढवण्यासाठी, व्युत्पन्न केलेल्या व्हिडिओवर सुपर-रिझोल्यूशन मॉडेल वापरून प्रक्रिया केली जाऊ शकते.

स्त्रोत: opennet.ru