مبدعو فاصل زمني، حان الوقت لاحتضان الذكاء الاصطناعي لإضافة عامل الإبهار! اكتشف سحر إعادة الإضاءة.

نحن فخورون إلى حد ما للقول بأن هذه هي الشبكة الأولى من نوعها يتم تدريبها وحيدة على أساس مشاكل فاصل زمني محدد، مستقلة عن دقة الفيديو. تخيل الإمكانيات!

كما رأينا في المشاركات السابقة، يمكن أن يؤدي دمج الصور المتعاقبة إلى القضاء على الحركة غير المرغوب فيها في تايم لابس. إنه فعال جدًا بالنسبة للمناظر الطبيعية، على سبيل المثال. لكن هناك عيب كبير: لا يمكنه التمييز بين التغيرات الدورية (الظلال، دورات الليل والنهار) والتحولات المتقطعة. وهذا قد يتوقف بشكل صعب بالنسبة لمشاهد المدينة أو مشاريع البناء حيث لا تزال ترغب في التقاط النشاط المزدهر حول موضوعك.

هنا، مرة أخرى، يأتي دور الذكاء الاصطناعي. قمنا بتدريب شبكة، أطلق عليها "إعادة الإضاءة", لتتعلم تطور المشهد بمرور الوقت (الطقس، دورات الليل والنهار، إلخ) وتفككها عن الأجسام الظاهرة / الاختفاء.

الجزء الثاني من هذا الخوارزمية الفريدة يستخدم هذا التحليل لضبط سطوع كل بكسل بسلاسة مع مرور الوقت مع التكيف مع التغيرات المفاجئة في المظهر. النتيجة؟ يبرز الموضوع الرئيسي ل تايم لابس طويل الأجل بشكل بارز ("المعلومات")، دون انقطاع من تغيرات سطوع المشهد (الظلال، الطقس - أو ما يعرف ب"الضوضاء"). كل ذلك مع الحفاظ على مظهر واقعي ونابض بالحياة للنشاط المحيط (المركبات، الأشخاص، والمزيد).

تأكد من التحقق من الفيديو أدناه. ضع في اعتبارك أننا استخدمنا في الجزء الأول من الفيديو نفس الإطارات بالضبط في الأجزاء العلوية والسفلية! في الجزء الثاني، قمنا بتضمين تنعيم متقدم للمقارنة.

الشكر لشريكنا فريدريك لاردان للسماح لنا باستخدام مشروعه لتوضيح إعادة الاضاءة.

هل أنت مستعد لتطوير لعبة فاصل زمني الخاصة بك مع إعادة الإضاءة؟ شارك أفكارك وأي تحدي تايم لابس تحب أن ترانا نتناولها في المرة القادمة! استخدم وسوم #تايم لابس #Enlaps

استكشف المزيد عن قوة تنعيم الفيديو المدفوع بالذكاء الاصطناعي وقدرته على تحويل مشاريع فاصل زمني. اكتشف المزيد على موقعنا الإلكتروني. 

 المقال بقلم أدريان فونتفيل، مدير البحث والتطوير في Enlaps