VideoSeal : outil open source avancé d'intégration et d'extraction de filigranes vidéo cachés pour protéger les droits d'auteur des vidéos
Introduction générale
VideoSeal est un outil de tatouage vidéo open source développé par Facebook Research, conçu pour permettre l'intégration et l'extraction efficaces de tatouages vidéo. VideoSeal prend en charge les modèles open source les plus récents, y compris les modèles pré-entraînés, le code d'entraînement, le code d'inférence et les outils d'évaluation, tous publiés sous la licence MIT. VideoSeal ne prend pas seulement en charge le tatouage vidéo, mais convient également au tatouage d'images, en fournissant une variété de modèles de référence (par exemple, MBRS, CIN, TrustMark et WAM) pour l'utilisation, la modification et la distribution. L'outil est conçu dans le but de fournir aux utilisateurs une solution de protection vidéo flexible et efficace.

Expérience : https://aidemos.meta.com/videoseal/demo
Liste des fonctions
- Intégration d'un filigrane vidéoLes droits d'auteur : intégrer des filigranes dans les vidéos pour protéger les droits d'auteur des vidéos.
- Extraction du filigrane vidéoLa fonction de filigrane : Extraire les informations du filigrane incorporé dans la vidéo.
- Incorporation d'un filigrane d'imageSupport pour l'incorporation de filigranes dans les images.
- Extraction du filigrane de l'imageLa méthode est la suivante : extraire de l'image les informations du filigrane incorporé.
- Modèle de pré-entraînementLes modèles pré-entraînés : Un large éventail de modèles pré-entraînés est fourni, qui peut être utilisé directement par l'utilisateur.
- Code de formationLe code d'entraînement complet est fourni afin que les utilisateurs puissent entraîner leurs propres modèles si nécessaire.
- Code de raisonnementLe code d'inférence : Fournir un code d'inférence pour faciliter les opérations d'incorporation et d'extraction du filigrane.
- Outils d'évaluationFournir des outils d'évaluation pour aider les utilisateurs à évaluer l'efficacité de l'intégration et de l'extraction du filigrane.
Utiliser l'aide
Processus d'installation
- Installation de PythonPython : Assurez-vous que la version 3.10 de Python est installée sur votre système.
- Installation de PyTorchInstallation de PyTorch et de ses dépendances : Installer PyTorch et ses dépendances à l'aide des commandes suivantes :
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
- Installer VideoSealClonez le dépôt VideoSeal et installez les dépendances :
git clone https://github.com/facebookresearch/videoseal.git
cd videoseal
pip install -e .
- Installation de Decord (optionnel)Bibliothèque pour le traitement vidéo, installation recommandée :
pip install decord
Processus d'utilisation
Intégration d'un filigrane vidéo
- Charger la vidéoUtilisation de torchvision pour charger et normaliser la vidéo :
import torchvision
import videoseal
from videoseal.evals.metrics import bit_accuracy
video_path = "assets/videos/1.mp4"
video = torchvision.io.read_video(video_path, output_format="TCHW")
video = video.float() / 255.0
- Modèles de chargementChargement du modèle VideoSeal : Chargement du modèle VideoSeal :
model = videoseal.load("videoseal")
- Filigranes intégrés: Intégrer le filigrane dans la vidéo :
outputs = model.embed(video, is_video=True)
video_w = outputs["imgs_w"]
msgs = outputs["msgs"]
Extraction du filigrane vidéo
- Extraire les informations du filigraneLa méthode d'extraction de l'information intégrée dans les vidéos filigranées :
msg_extracted = model.extract_message(video_w, aggregation="avg", is_video=True)
Intégration et extraction d'un filigrane d'image
- Charger l'imageChargement et normalisation de l'image : Chargement et normalisation de l'image :
img = video[0:1]
outputs = model.embed(img, is_video=False)
img_w = outputs["imgs_w"]
msg_extracted = model.extract_message(img_w, aggregation="avg", is_video=False)
Autres fonctions
- Téléchargement du modèle de pré-entraînementLes modèles sont automatiquement téléchargés via Hugging Face, ou vous pouvez télécharger et mettre à jour manuellement le chemin d'accès au modèle.
- Téléchargement du modèle de référenceLes utilisateurs doivent télécharger manuellement le modèle tiers.
- Évaluation de la VMAFVMAF : Un guide d'installation et d'utilisation de VMAF est fourni pour aider les utilisateurs à évaluer la qualité de la vidéo.
© déclaration de droits d'auteur
Article copyright Cercle de partage de l'IA Tous, prière de ne pas reproduire sans autorisation.
Articles connexes
Pas de commentaires...