నేడు, చాలామందికి, ఫోటోగ్రాఫ్ నుండి జోక్యం చేసుకునే మూలకాన్ని తీసివేయడం సమస్య కాదు. Photoshop లేదా నేటి ఫ్యాషన్ న్యూరల్ నెట్వర్క్లలోని ప్రాథమిక నైపుణ్యాలు సమస్యను పరిష్కరించగలవు. అయితే, వీడియో విషయంలో, పరిస్థితి మరింత క్లిష్టంగా మారుతుంది, ఎందుకంటే మీరు వీడియో సెకనుకు కనీసం 24 ఫ్రేమ్లను ప్రాసెస్ చేయాలి.
మరియు ఇది గితుబ్లో ఉంది
సిస్టమ్ ఒక న్యూరల్ నెట్వర్క్ను ఉపయోగిస్తుంది, ఇది వీడియో ఫ్రేమ్ను ఫ్రేమ్ ద్వారా ప్రాసెస్ చేస్తుంది, అనవసరమైన వస్తువు లేదా వ్యక్తిని నేపథ్యంతో భర్తీ చేస్తుంది. ప్రోగ్రామ్ సెకనుకు 55 ఫ్రేమ్లను మార్చగలదు, చుట్టుపక్కల చిత్రం ఆధారంగా నేపథ్యాన్ని రూపొందించవచ్చు. నిశితంగా పరిశీలించిన తర్వాత ఆబ్జెక్ట్ రిమూవల్ పద్ధతి పరిపూర్ణంగా లేదని స్పష్టమవుతున్నప్పటికీ, ఫలితాలు ఆకట్టుకుంటాయి.
"తొలగించబడిన" వ్యక్తి స్థానంలో పారదర్శక లేదా అపారదర్శక ఫాంటమ్ ట్రేస్ మిగిలి ఉందని కొన్ని ఫ్రేమ్లు చూపుతాయి. వాస్తవం ఏమిటంటే సిస్టమ్ అందుబాటులో ఉన్న నేపథ్యాన్ని మాత్రమే విశ్లేషిస్తుంది మరియు దానిని ఎల్లప్పుడూ తగినంతగా గీయడం సాధ్యం కాదు. ఇది నేపథ్యం యొక్క సంక్లిష్టతపై ఆధారపడి ఉంటుంది - ఇది సరళమైనది మరియు మరింత ఏకరీతిగా ఉంటుంది, అంతిమ ఫలితం మంచిది.
పరీక్ష కోసం, Ubuntu 16.04, Python 3.5, Pytorch 0.4.0, CUDA 8.0 OS ఉపయోగించబడింది మరియు NVIDIA GeForce GTX 1080 Ti వీడియో కార్డ్లో ప్రాసెసింగ్ జరిగింది. మూలాధారాలు తెరిచి ఉన్నాయి మరియు ప్రతి ఒక్కరూ ఉపయోగించగలరు. అయినప్పటికీ, అటువంటి సాంకేతికత హానికరమైన ప్రయోజనాల కోసం కూడా ఉపయోగించబడుతుందని మేము గమనించాము. ఉదాహరణకు, ట్రాఫిక్ ఉల్లంఘనలు లేదా కెమెరాలో చిక్కుకున్న ఇతర నేరాలను "దాచడం".
మూలం: 3dnews.ru