KeyCast utilise l'intelligence artificielle et le deep learning © KeycastAvec l’américain Keycast dans son portfolio de partenaires, Magic Hour propose une solution plateau de plateau virtuel gérée par IA parmi les plus performantes du marché.
Agnostique, la solution permet aux diffuseurs d’intégrer des publicités, des statistiques, des vidéos, des objets AR, des arrière-plans et des graphiques derrière les animateurs ou les journalistes avec n’importe quelle caméra 2D standard et peut s’intégrer à n’importe quel pipeline de diffusion traditionnel.
La solution SaaS de KeyCast utilise l’intelligence artificielle et le deep learning pour résoudre le problème classique de l’occlusion dans l’image et son système de tracking innovant couplé a son principe d’incrustation sans cyclo trouve aussi bien sa place dans la production de programmes de news, de sports que dans l’entertainment et le corporate et peut être utilisée dans une configuration de remote production.
Le système permettra d’insérer automatiquement des graphiques dynamiques ou effets visuels dans n’importe quelle scène filmée en direct : un journaliste sur le terrain dont le sujet est enrichi visuellement, une interview de sportif sur fond de sponsors interchangeables, une marque dans une scène live… Les effets visuels en direct permis par Keycast sont légions !
Un Chromakey sans fond vert
L’IA de Keycast basée sur un principe de deep learning s’occupe de tout et surtout de résoudre le problème classique de l’occlusion sans avoir recours à un chromakey traditionnel. La solution calcule le premier plan pixel par pixel et génère des bords nets et naturels autour des contours du corps et des cheveux, produisant des images clés nettes prêtes pour le traitement en temps réel de la vidéo en HD.
Résultat, l’ajout d’effet fonctionne aussi bien en intérieur qu’en extérieur avec n’importe quelle caméra et s’intègre dans n’importe quel workflow de production et de diffusion.
KeyCast qui fonctionne sur du matériel informatique standard est basé sur la plate-forme Nvidia CUDA utilisant TensorRT avec traitement GPU parallèle. La solution se connecte de manière transparente aux flux de travail de diffusion existants sur site et avec une latence ultra-faible.
