در عصر دیجیتال امروز، ویدئو به یکی از اصلیترین ابزارهای ارتباطی و رسانهای تبدیل شده است. با گسترش نمایشگرهای با وضوح فوقالعاده مانند 4K و 8K و افزایش انتظارات مخاطبان، نیاز به فناوریهایی که بتوانند کیفیت ویدئوها را بهبود بخشند، بیشازپیش احساس میشود.
به گزارش روابط عمومی رسانه ملی، هوش مصنوعی بهعنوان یک فناوری تحولآفرین در این حوزه ظاهر شده و با استفاده از الگوریتمهای پیچیده یادگیری عمیق و شبکههای عصبی، قادر است مشکلات کیفی ویدئوها را به روشی هوشمندانه برطرف کند. این فناوری میتواند ویدئوهای قدیمی و کمکیفیت را به استانداردهای امروزی برساند، جزئیات ازدسترفته را بازسازی کند، نویزها و اعوجاجهای تصویری را کاهش دهد و حتی محتوای با وضوح پایین را بهوضوح بالاتر تبدیل کند.
ضرورت ارتقای کیفیت ویدئو از عوامل متعددی نشئت میگیرد: بهبود تجربه تماشا برای مخاطب، بازسازی محتوای آرشیوی برای پخش در استانداردهای جدید، عدم تطابق رزولوشن محتوای قدیمیبا نمایشگرهای جدید، ظهور شبکههای HD و UHD در برودکست و نیاز به رقابت با پلتفرمهای جهانی مانند Netflix و Disney که محتوای با کیفیت بسیار بالا ارائه میدهند.
تاریخچه ارتقای کیفیت ویدئو به دو بخش اصلی تقسیم میشود: نخست الگوریتمهای سنتی هستند. این روشها بر تکنیکهای درونیابی ریاضی مانند درونیابی نزدیکترین همسایه، دوخطی، دومکعبی و لانسوز متکی هستند که اگرچه کارآمدند، اما محدودیتهای جدی دارند، ازجمله حذف جزئیات ظریف، ناتوانی در بازسازی بافتهای پیچیده و ایجاد مصنوعات بصری ناخواسته مانند لبههای ناهموار، تار شدن و پدیده زنگزدگی در اطراف لبهها.
دوم الگوریتمهای هوش مصنوعیاند. در این رویکرد، مدلهای یادگیری عمیق بر روی مجموعه دادههای وسیعی از تصاویر با وضوح بالا و پایین آموزش داده میشوند تا یاد بگیرند چگونه جزئیات ازدسترفته را هنگام ارتقای کیفیت ایجاد کنند.
الگوریتمهای مهم این حوزه شامل RCNN (شبکههای عصبی کانولوشنال با وضوح فوقالعاده)، GAN (شبکههای متخاصم مولد) و NVIDIA DLSS هستند.
چالشها و مزایا
چالشهای الگوریتمهای سنتی عمدتاً شامل حذف جزئیات و ایجاد مصنوعات تصویری است. در مقابل، چالشهای الگوریتمهای هوش مصنوعی شامل هزینه محاسباتی بالا (نیاز به سختافزارهای تخصصی مانند GPU ) و محدودیتهای دادههای آموزشی (عدم عملکرد مناسب روی محتوایی که مدل روی آن آموزش ندیده) است.
اما مزایای هوش مصنوعی در این حوزه بسیار چشمگیر است: شناسایی هوشمندانه الگوهای تصویری و تقویت آنها، حفظ و حتی تولید جزئیات جدید، مدیریت بهتر نویز و تولید مصنوعات بصری بسیار کمتر نسبت به روشهای سنتی. مقایسهها نشان میدهد که در سالهای اخیر، هوش مصنوعی توانسته در ارتقای کیفیت ویدئو بسیار مؤثرتر از روشهای سنتی عمل کند.
ابزارهای متداول و ارزیابی
پژوهش حاضر با هدف مقایسه ابزارهای موجود، ۱۲ شاخص کیفی و کمیشامل حداکثر رزولوشن، پلتفرم، اصلاح رنگ، حذف نویز و شارپنینگ، نوع الگوریتم، سرعت پردازش، پشتیبانی از کدکها و فرمتها، رابط کاربری، پشتیبانی از پردازنده گرافیکی، قیمت، قابلیت تبدیل SDR به HDR و تبدیل فریم i به p را تعریف کرده است.
پس از تحلیل نموداری، چهار ابزار TOPAZ VIDEO AI، ADOBE PREMIERE PRO، DAVINCI RESOLVE STUDIO و FINAL CUT PRO بهعنوان برترینها شناسایی شدند. FINAL CUT PRO به دلیل محدودیت به سیستمعامل Mac OS کنار گذاشته شد و سه ابزار باقیمانده مورد ارزیابی ذهنی قرار گرفتند.
آزمایش عملی با ویدئوی مرجع «قصههای مجید» با رزولوشن ۴۸۰×۳۶۰ پیکسل نشان داد که TOPAZ VIDEO AI بهمراتب کیفیت خروجی بهتری نسبت به دو رقیب خود دارد، چه در حالت حفظ نسبت ابعاد و چه در حالت تغییر آن.
شما خلاصهای از مقاله مهدی عبدالمحمدی را مطالعه کردید. این مقاله در شماره 107 نشریه علمی تخصصی موج منتشر شده است. علاقهمندان برای مطالعه کامل این مقاله میتوانند به سایت معاونت توسعه و فناوری رسانه به نشانی DTV.irib.ir مراجعه کنند.