إطار عمل برمجي للتعليق التوضيحي على الفيديو لـ ML وإنشاء المحتوى

قامت MicrocosmWorks ببناء إطار العمل هذا للفرق التي تحتاج إلى إنشاء تعليقات توضيحية على نطاق واسع باستخدام قواعد تعتمد على الكود بدلاً من النقر اليدوي. وهو يدعم كتابة مسارات عمل التعليقات التوضيحية كـ Python scripts التي تطبق الكاشفات المدربة مسبقًا (pre-trained detectors)، والمنطق الزمني (temporal logic)، والقواعد المكانية (spatial rules) لتوليد بيانات التدريب تلقائيًا، ثم يقوم بالتصدير بتنسيقات COCO أو Pascal VOC أو YOLO.

نعم، قامت MicrocosmWorks بتطبيق نموذج تسمية زمني يدعم نطاقات الإطارات، استيفاء الإطارات الرئيسية، وتسميات قائمة على الأحداث مع طوابع زمنية للبدء/الانتهاء. يمكن للمُسمّين تعريف قواعد زمنية مثل 'تسمية كـ 'الجري' عندما يكتشف pose estimation كلا القدمين بعيدًا عن الأرض لأكثر من 3 إطارات متتالية' لأتمتة تسمية الإجراءات.

قامت MicrocosmWorks ببناء مسار تحقق يحسب درجات الاتفاق بين التعليقات التوضيحية البرمجية ومجموعة ذهبية تمت مراجعتها بشريًا، ويضع علامة على أي تعليقات توضيحية تقع دون عتبة IoU قابلة للتكوين أو تداخل زمني. يدعم الإطار أيضًا مسارات عمل Active Learning التي توجه التعليقات التوضيحية منخفضة الثقة إلى المراجعين البشريين.

قامت MicrocosmWorks ببناء إطار العمل بالاعتماد على FFmpeg و OpenCV، ويدعم جميع تنسيقات الحاويات الرئيسية بما في ذلك MP4، MKV، AVI، و MOV، مع ترميزات تتراوح من H.264 إلى ProRes. يعالج إطار العمل مقاطع الفيديو بدقتها الأصلية ولكنه يدعم تقليل الدقة القابل للتكوين لمرحلة التعليقات التوضيحية لتسريع الإنتاجية على مجموعات البيانات الكبيرة.

تقدم MicrocosmWorks مشاريع البنية التحتية لـ ML بأسعار تتراوح من 25 إلى 45 دولارًا في الساعة، مع إطار عمل برمجي لتدوين الفيديو يشمل محرك القواعد، ومصدري التنسيقات، وخط أنابيب التحقق من الجودة، والذي يتطلب عادةً 300-500 ساعة تطوير. يدفع إطار العمل تكلفته بسرعة عن طريق تقليل تكاليف التدوين اليدوي التي يمكن أن تصل إلى 5-15 دولارًا لكل دقيقة من الفيديو.