특징
스트리밍 프로젝트 또는 비디오 호스팅 서비스에 컴퓨터 비전이 필요한 이유.
사용자 제작 VOD 콘텐츠 자동 검토
윤리적, 지리적 또는 기타 규정으로 인해 게시가 금지된 동영상을 식별합니다. 이 분석을 통해 대부분의 유효하지 않은 콘텐츠를 자동으로 빠르고 정확하게 식별할 수 있습니다. 일부 콘텐츠는 수동 검토를 위해 전송됩니다: 동영상에 확률 표시가 포함된 태그가 지정되고 검토 담당자가 확인하도록 전송됩니다.
자동 라이브 분석(베타)
라이브스트림은 지정된 개체에 대해 지속적으로 분석됩니다. 이러한 객체가 라이브스트림에 나타나면 모든 제한 조치를 수행할 수 있습니다. 이를 통해 사용자의 콘텐츠 퍼블리싱 규칙 준수 여부를 자동으로 추적할 수 있습니다.
콘텐츠 주석 및 태그 지정(베타)
컴퓨터 비전(CV)을 사용하면 장면, 동작 또는 지정된 객체의 식별을 기반으로 동영상에 태그를 지정할 수 있습니다. 태그는 메타데이터에 포함되며, 콘텐츠 카탈로그의 기초가 되거나 동영상 설명에 표시될 수 있습니다.
동영상 마크업(베타)
동영상에 지정된 개체 또는 동작이 나타난 시간별로 태그를 지정할 수 있습니다. 이러한 태그를 사용하면 사용자의 타임라인에 추가 정보를 표시하거나 다양한 유형의 광고를 활성화할 수 있습니다.
도움을 받아 감지할 수 있는 항목
- 사람들
- 얼굴
- 애완동물
- 가정용품
- 로고
- 차량 및 운송 수단
- 1.000개 이상의 개체
- 춤추기
- 먹기
- 피트니스
- 기타 다양한 활동
- 여성 및 남성 얼굴
- 가려진 신체 부위 및 노출된 신체 부위
- 기타 신체 부위
라이브 및 VOD 사용 가이드
이 함수의 결과는 발견된 객체 목록과 탐지 확률이 포함된 메타데이터입니다.
{
"detection-annotations": [
{
"frame-no": 0,
"annotations": [
{
"top": 390,
"left": 201,
"width": 32,
"height": 32,
"object-name": "cell phone",
"object-score": 0.2604694366455078
}
]
}
]
}솔루션의 이점
5배 빠른 처리 속도
비디오 분석은 전체 비디오가 아닌 키 프레임으로만 수행됩니다. 기존 분석에 비해 비디오 처리 시간이 최대 30배 단축됩니다. 평균 처리 시간은 1:5입니다.
자동 중지 트리거
트리거가 활성화된 시점에 분석이 중지됩니다. 이렇게 하면 동영상이 완전히 처리될 때까지 기다릴 필요 없이 즉시 답변을 받을 수 있습니다.
대화형 교육 및 기능 개선
프로젝트에 맞춤형 기능이 필요할 수 있습니다. 따라서 머신 러닝의 소스 기반은 이미지로 보완할 수 있습니다. 새로운 솔루션 통합을 위한 제안을 환영합니다.
비용 최적화
분석이 더 빨라지고 필요한 객체를 감지할 때 불필요한 작업을 수행하지 않습니다. 따라서 불필요한 영상 부분을 분석하는 데 드는 예산을 절약할 수 있습니다. 또한 최신 기술이 적용된 자체 클라우드 인프라를 사용합니다.
서비스 기능 비교
| Gcore | AWS | Azure | ||
|---|---|---|---|---|
| 주석 | ||||
| 개체 | ||||
| 콘텐츠 관리 | ||||
| VOD 처리 | ||||
| 라이브 처리 | ||||
| 비용 절감 | ||||
| 외부 스토리지 연결 | ||||
| 빠른 분석 | ||||
| 자동 중지 트리거 |
자주 묻는 질문
전체 설명, 사용 사례 및 필요한 문서는 지식창고에서 확인할 수 있습니다.
유니티의 모델은 OpenCV, TensorFlow 및 기타 라이브러리를 기반으로 구축되었습니다.
OpenCV는 컴퓨터 비전, 이미지 처리 및 범용 수치 알고리즘을 위한 오픈 소스 라이브러리입니다.
텐서플로는 이미지를 자동으로 찾고 분류하여 사람이 인식하는 수준의 품질을 구현하기 위해 신경망을 구축하고 훈련하는 문제를 해결하기 위해 Google에서 개발한 머신 러닝용 오픈 소프트웨어 라이브러리입니다.
동영상에서 CV는 객체와 객체가 감지될 확률을 모두 결정합니다. 각 프로젝트에는 약간의 힌트부터 지정된 개체 유형이 나타날 수 없는 경우까지 고유한 수준의 확률이 있습니다. 예를 들어, 동영상에 EXPOSED_BREAST_F 태그가 있고 점수가 0.51인 동영상이 있습니다.
프로젝트의 평균값을 결정하려면 먼저 하루 또는 일주일 동안의 동영상 세트를 촬영하는 것이 좋습니다. 그런 다음 각 동영상에 대해 지정된 태그의 점수를 계산합니다. 마지막으로 결과 분석에 따라 계수를 설정합니다. 예를 들어, 정상(최대 30%), 의심스러움(최대 50%), 검열됨(51% 이상)으로 설정할 수 있습니다.
트위터는 다양한 용도를 포괄하는 이미지와 동영상 세트로 운영합니다. 그러나 특정 사례에 대해서는 시스템에 추가 교육이 필요할 때가 있습니다.
놓친 동영상 세트를 생성하여 분석을 위해 별도로 전송하는 것이 좋습니다. 다음 반복 작업에서는 이러한 동영상에 대해서도 시스템 학습이 이루어집니다.
동영상과 동일한 방식으로 처리할 수 있도록 이미지를 시스템으로 전송합니다. 사진은 1초 분량의 동영상으로 청구됩니다.
시스템은 처리된 각 동영상의 시간을 초 단위로 계산합니다. 월말에 총 개수가 청구로 전송됩니다. 요금은 분 단위로 계산됩니다.
10초, 1분 30초, 5분 10초 길이의 동영상 3개를 업로드했다고 가정해 보겠습니다. 월말의 합계는 10초 + 90초 + 310초 = 410초 = 6분 50초가 됩니다. 청구는 7분 동안 청구됩니다. 개인 계정에서 매일의 시간 소비량 그래프를 볼 수 있습니다.
아니요. 스트리밍 플랫폼은 분석 후 동영상과 이미지를 자동으로 삭제하며 기본 모델 학습에 데이터를 사용하지 않습니다. 비디오 파일은 저장소를 떠나지 않으며 컨테이너가 시작될 때 엣지 서버로 전송되지 않습니다.
인프라에 투자하지 않고도 최첨단 스트리밍 기술을 사용할 수 있습니다.
지금 무료로 사용해 보세요14일 무료
비용 걱정 없이 솔루션을 사용해 보세요
간편한 통합
10분 안에 시작하고 실행하세요.
유능한 연중무휴 기술 지원
전문가가 추후 통합 및 지원을 도와드립니다.