沃卡惠
深度學習已成為許多努力中的流行詞，廣播組織也必須開始探索它所提供的所有潛力，從新聞報道到電影和電視節目，無論是在電影院還是在電視上。
正如TechRadar報道的那樣，深度學習在視頻制作、編輯和編目領域提供的機會數量已經相當多。但如前所述，這項技術不僅限于廣播中被認為是重復性的任務，因為它還可以“增強創作過程，改善視頻交付并幫助保存許多工作室保留的大量視頻檔案。”
就視頻生成和編輯而言，據稱華納兄弟最近不得不花費 2500 萬美元重新拍攝《正義聯盟》，其中一部分資金用于以數字方式去除明星亨利卡維爾 已經長出的胡須，并且可以由于重疊的承諾而沒有刮胡子。在后期制作中這種耗時且費錢的過程中使用深度學習肯定會得到很好的利用。
即使是像 Flo 這樣廣泛可用的解決方案，也可以通過描述您的想法來使用深度學習自動創建視頻。然后，該軟件會搜索存儲在某個庫中的可能相關視頻，并自動將它們一起編輯。
Flo 還能夠對視頻進行排序和分類，從而更容易找到素材的特定部分。此類技術還可以輕松刪除不受歡迎的鏡頭或根據某人表示感興趣的視頻制作個人推薦列表。
谷歌提出了一種“神經網絡” ，可以自動分離視頻的前景和背景。過去需要 綠屏的 事情現在可以在沒有特殊設備的情況下完成。”
Deep fake 已經名聲在外，有好有壞，但它在特效方面的潛力已經達到了相當高的水平。
深度學習肯定會對經典電影的修復產生影響的領域，作為加州大學洛杉磯分校影視檔案館，1950 年之前制作的所有電影中近一半已經消失，90% 的經典電影版畫目前處于非常糟糕的狀態健康)狀況。
給黑白素材上色仍然是電影制作人之間有爭議的話題，但那些決定走這條路的人現在可以使用Nvidia 工具，這將大大縮短如此漫長的過程，因為現在它要求藝術家只為場景的一幀上色深度學習將從那里完成剩下的工作。另一方面，谷歌提出了一種技術，能夠根據開始和結束幀重新創建視頻錄制場景的一部分。
人臉/物體識別已經被積極使用，從對視頻收藏或檔案進行分類、搜索給定演員或新聞人的剪輯，或計算演員在視頻或電影中的確切時間。TechRadar 提到，天空新聞最近使用面部識別來識別皇室婚禮上的名人面孔。
這項技術現在正廣泛用于體育廣播，例如“跟蹤球的運動，或識別比賽的其他關鍵要素，例如進球”。在足球(football) 中，這種技術，命名為 VAR 實際上在許多官方錦標賽和國家聯賽中用作比賽期間的裁判工具。
流媒體是廣播的另一個方面，可以從深度學習中受益。神經網絡可以從低清晰度輸入重新創建高清晰度幀，即使原始輸入信號不完全符合標準，觀眾也可以從更好的觀看中受益。
