Google ने फ्रेम में महत्वपूर्ण वस्तुओं पर स्वचालित रूप से वीडियो क्रॉप करने के लिए एक एल्गोरिदम विकसित किया है

Google के शोधकर्ताओं की एक टीम ने एक नया विकास पेश किया - स्वचालित फसल वीडियो के लिए एक एल्गोरिथ्म। स्रोत सामग्री को मशीन द्वारा संपादित किया जाता है, उपयोगकर्ता को केवल बुनियादी मापदंडों को सेट करने की आवश्यकता होती है, जैसे कि फ्रेम में पहलू अनुपात।

खैर, सॉफ्टवेयर अपने आप ही सब कुछ करता है, वीडियो पर महत्वपूर्ण वस्तुओं को ट्रैक करता है और फ्रेम को इस तरह से क्रॉप करता है कि वीडियो के अंतिम संस्करण में सब कुछ महत्वपूर्ण बना रहे।

टीम ने गिटहब पर अपने काम के परिणामों को पोस्ट किया, यह एक खुला स्रोत ढांचा है जिसे ऑटोफ्लिप कहा जाता है । GitHub ने प्रोग्राम शुरू करने के लिए कोड और निर्देश भी प्रकाशित किए।

डेवलपर्स ने परियोजना शुरू की क्योंकि अधिकांश वीडियो क्षैतिज प्रारूप में शूट किए जाते हैं। यह शुरू में मामला था - वीडियो उपकरण का विशाल बहुमत डिजाइन किया गया है ताकि फ्रेम की चौड़ाई ऊंचाई से अधिक हो। लेकिन अब जब स्मार्टफोन सर्वव्यापी हैं, तो क्षैतिज वीडियो हमेशा सुविधाजनक नहीं होता है। कभी-कभी आपको एक साथ कई प्लेटफार्मों के लिए वीडियो को अनुकूलित करना पड़ता है।



यदि आप एक क्षैतिज वीडियो काटते हैं, तो इसे काटते हैं, तो अंतिम फ्रेम के बाहर कई महत्वपूर्ण बिंदु बस गायब हो जाते हैं। इससे बचने के लिए, डेवलपर्स ने महत्वपूर्ण वस्तुओं को ट्रैक करने और उन पर फ्रेम को क्रॉप करने के लिए एल्गोरिदम को सिखाने का फैसला किया। नतीजतन, सभी की जरूरत है कि फ्रेम में रहता है और कुछ भी नहीं खो दिया है।

वैसे, इस समस्या से निपटने के लिए Google प्रतिनिधि पहले नहीं हैं। इतना समय पहले नहीं, एडोब कंपनी के प्रतिनिधियों ने एक समान विचार पर काम किया था। उन्होंने एक ऐसा उत्पाद बनाया, जो बहुत अच्छा काम करता है, लेकिन इसमें सभी प्रकार की सीमाएँ हैं, और हर उपयोगकर्ता को इस तक पहुँच नहीं मिल सकती है। Google ने समस्या को अपने तरीके से हल किया, सभी को सर्वोत्तम अभ्यास प्रदान किए।



आरंभ करने के लिए, आपको आवश्यक है, जैसा कि ऊपर उल्लेख किया गया है, प्रारंभिक क्रॉपिंग पैरामीटर - पहलू अनुपात, साथ ही फ्रेम में बने रहने वाली वस्तुओं की संख्या निर्धारित करें। प्रारंभिक सेटिंग्स किए जाने के बाद, एल्गोरिथ्म काम करना शुरू कर देता है, स्रोत फ़ाइल को चिह्नित करता है। एक दृश्य परिवर्तन के मूल्यांकन के लिए सबसे महत्वपूर्ण मानदंडों में से एक संतृप्ति हिस्टोग्राम है। अगर यह बदल जाता है, तो दृश्य बदल गया है।

डेवलपर्स के अनुसार, प्रत्येक दृश्य को अलग से संसाधित किया जाता है। ऐसा इसलिए किया जाता है क्योंकि विभिन्न दृश्यों में फ्रेम में ऑब्जेक्ट अलग-अलग स्थित होते हैं, कभी-कभी कुछ ऑब्जेक्ट गायब हो जाते हैं, अन्य दिखाई देते हैं। ताकि वीडियो का अंतिम संस्करण कुछ भी महत्वपूर्ण न खोए, एल्गोरिथ्म फ्रेम में वस्तुओं को चिह्नित करता है, इसे ट्रिम कर रहा है ताकि वे दृष्टि में रहें।



कई क्रॉपिंग विकल्प हैं - फ्रेम में ऑब्जेक्ट्स की गतिविधियों के अनुसार डायनेमिक क्रॉपिंग के लिए एक तरफ से क्रॉपिंग ज़ोन के मूवमेंट के साथ स्टैटिक क्रॉपिंग। यदि, मूल समस्या में, यह इंगित किया जाता है कि फ़्रेम में सभी ऑब्जेक्ट्स को सहेजा जाना चाहिए, तो एल्गोरिथ्म फ़्रेमिंग ज़ोन का विस्तार करने में सक्षम है, जो कि उठने वाले voids में भरने के लिए फ्रेम के किनारों पर जगह जोड़ रहा है।

डेवलपर्स के स्पष्टीकरण के अनुसार, एल्गोरिथ्म गीथहब पर उपलब्ध है, इसे मीडियापाइप पाइपलाइन के रूप में लागू किया गया है। वैसे, बाद वाला एक वेब ब्राउज़र में काम कर सकता है, ताकि यदि वांछित हो, तो कंप्यूटर या स्मार्टफोन पर ब्राउज़र में कंप्यूटर विज़न एल्गोरिदम चलाया जा सकता है। डेवलपर्स पहले ही कह चुके हैं कि वे वहां रुकने वाले नहीं हैं, वे इसमें सुधार करेंगे। दोनों व्यक्तिगत डेवलपर्स और पूरी कंपनियां परियोजना में शामिल हो सकती हैं।

एल्गोरिथ्म के आवेदन के क्षेत्र एक फ्रेम में एक वक्ता के चेहरे को ट्रैक कर रहे हैं या, उदाहरण के लिए, एक कार्टून में एक नायक।



भविष्य में, एल्गोरिथ्म फ्रेम के सीमावर्ती क्षेत्रों के ड्राइंग, साथ ही पाठ या चित्रों को हटाने का कार्य जोड़ देगा। दोनों विकल्प पहले से ही स्वतंत्र एल्गोरिदम के रूप में मौजूद हैं, इसलिए उन्हें क्रॉपिंग समाधान में एकीकृत करना कोई समस्या नहीं है।