Googles AutoFlip wurde entwickelt, um Videos intelligent zuzuschneiden

4162
Clifford McBride

Traditionell verwendeten Menschen Fernseher mit einem Seitenverhältnis von 16: 9 oder 4: 3, um Videos anzusehen. Bei neueren Geräten können Benutzer jedoch Videos in einer Reihe von Seitenverhältnissen anzeigen und erstellen. Das Zuschneiden von Videos auf die Bildschirme dieser Geräte ist für Videokuratoren eine mühsame Aufgabe. Zum Glück ist Google auf dem besten Weg, Videos reibungslos zuzuschneiden.

Kürzlich kündigte Google in einem Blog-Beitrag ein Open-Source-Tool zum Auffrischen und Zuschneiden von Videos an, das auf jeden Bildschirm passt. AutoFlip ist das Tool, das die auf maschinellem Lernen (ML) basierende Objekterkennungs- und -verfolgungstechnologie verwendet, um Videos automatisch neu zu gestalten.

AutoFlip - Zum intelligenten Zuschneiden von Videos

Google hat dieses Tool erstellt die herkömmliche statische Zuschneidemethode loszuwerden zum Zuschneiden von Videos. Das statische Zuschneideverfahren beinhaltet unzuverlässige Techniken des Video-Reframing, d. H. Das Spezifizieren eines Kamera-Ansichtsfensters für das Video und das anschließende Zuschneiden von allem außerhalb dieses Bereichs. Diese Methode erzeugt eine unerwünschte Ausgabe der Videos.

Der Google Autoflip bietet viele erweiterte Funktionen, darunter Schusserkennung, Analyse von Videoinhalten und schließlich Neuformulierung. Lassen Sie mich jede dieser Auffrischungsstrategien kurz erläutern.

Schusserkennung (Szenenerkennung)

Eine Szene oder eine Aufnahme in einem Video ist eine fortlaufende Folge von Bildern ohne Schnitte. Wenn sich die Aufnahme oder Szene eines Videos ändert, Googles AutoFlip kann die Änderung erkennen durch Vergleichen des Farbhistogramms der vorherigen Bilder mit den neuen. Eine Aufnahmeänderung wird erkannt, wenn sich die Verteilung der Rahmenfarbe mit einer anderen Geschwindigkeit ändert als bei einem verschiebbaren historischen Fenster. Um den Reframing-Prozess zu optimieren, puffert das Tool das gesamte Video, bevor Reframing-Entscheidungen getroffen werden.

Analyse von Videoinhalten

Mit dieser Strategie, Das Tool erkennt wichtige Objekte und Personen im Video. Es verwendet Deep-Learning-basierte Objekterkennungsmodelle, um Objekte zu identifizieren. Mit diesem Modell kann das Tool sogar Textüberlagerungen oder Markenlogos und andere Elemente wie Bewegung oder Ball für Sportvideos erkennen. Die Gesichts- und Objekterkennungsmodelle werden über MediaPipe in das Tool integriert. Es ist im Grunde ein Framework für die Verarbeitung multimodaler Daten durch die Entwicklung von Pipelines. Dieses Framework verwendet das TensorFlow Lite ML-Framework von Google für CPUs.

Aktualisieren

Nachdem Personen und Objekte in Videos identifiziert wurden, trifft das Tool logische Entscheidungen darüber, wie das Video neu gestaltet werden soll. AutoFlip wählt eine der drei Auffrischungsstrategien aus, um den Inhalt zuzuschneiden - stationär, schwenken oder verfolgen. Das Tool wählt die optimale Strategie basierend auf dem Inhalt des Videos. Beispielsweise bleibt im stationären Modus das neu eingerichtete Kamera-Ansichtsfenster an einer stationären Position fixiert, an der die meisten wichtigen Szenen des Videos vorhanden sind. Bei Videos, die Bewegung enthalten, wird das Schwenken verwendet, indem das neu eingerichtete Kamera-Ansichtsfenster mit einer konstanten Geschwindigkeit verschoben wird. Wenn der Frame interessante Motive enthält, wird der Tracking-Modus aktiviert.

Basierend auf der vom Algorithmus gewählten Auffrischungsstrategie wird von AutoFlip ein optimiertes Zuschneidefenster für jeden Frame festgelegt. Dadurch bleibt der wichtige Inhalt des Videos bestmöglich erhalten.

Google hat dieses Tool direkt für Entwickler und Filmemacher freigegeben.Reduzieren Sie die Hindernisse für ihre Designkreativität und erreichen Sie sie durch die Automatisierung der Videobearbeitung“. Von Querformat zu Hochformat oder Hochformat zu Querformat - AutoFlipis wurde entwickelt, um das bestmögliche Ergebnis zu erzielen.


Bisher hat noch niemand einen Kommentar zu diesem Artikel abgegeben.