本文来自MediaKind的网络研讨会,主题是“增加现有内容的价值:利用机器学习实现HD到UHD的转换”,由 MediaKind 首席技术专家 Tony Jones 主持。
目前,电视服务提供商的档案中有大量高价值内容,而超高清(UHD)现在已成为主流电视产品的一部分,高质量的UHD电视机在全球销售的所有新电视中占很大比例。UHD的普及提高了人们对令人惊叹的高质量内容和观看体验的期望。运营商如何利用他们已经拥有的内容盈利,同时满足消费者对高质量,沉浸式体验的渴望呢?
网络研讨会主要探讨了向上转换和利用生成对抗神经网络合成未转换图像中细节的不同方法。以获得一种更接近本地UHD 的体验,以及更吸引消费者、更高质量的产品。
Tony首先介绍了在北美、欧洲和中国超高清视频销售已经超过60%。然后介绍了利用机器学习来实现HD到UHD的转换,介绍了一般卷积神经网络结构和冗余神经网络结构,以及CNN如何训练HD到UHD的转换。然后又介绍了生成对抗神经网络(GAN)以及如何训练。
Tony随后又分析了3-field机器学习方法比传统的去隔行扫描能实现更好的输出。结果显示HD内容内容看起来比使用传统的up-conventional技术更好。
详细内容请观看下方视频: