The application of computer multimedia technology in film and television post-production
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Computer multimedia technology has brought unprecedented innovation to the film and television production industry.Multimedia technology in film and television post-production mainly focuses on two aspects of image processing and audio processing, this paper selects the skin color enhancement and voice enhancement for further research.Adaptive skin color enhancement method is proposed, IMCRA-OMLSA audio enhancement method is selected, and relevant experiments are designed to compare this paper's method with other classical skin color enhancement and voice enhancement methods respectively, and the effectiveness of this paper's method in skin color enhancement and audio enhancement is examined through the results of subjective and objective evaluation.The accuracy and F1 value of this paper's adaptive skin color detection method are 0.961 and 0.945, respectively, and the performance of skin color detection is good.The adaptive skin color detection method in this paper has the best performance with a comprehensive evaluation score of 6.81.In the objective evaluation of speech enhancement, the PESQ, STOI, WSS, and RMSE values of IMCRA-OMLSA method in this paper are 2. 03, 72.36, and 38.06, respectively, which are all optimal results.On subjective evaluation, the MOS value of IMCRA-OMLSA method is 1.88 which is the highest value.IMCRA-OMLSA method has the best performance for speech enhancement.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle