آموزش هوش مصنوعی برای تولید ویدیو - آخرین آپدیت

سرفصل ها و درس ها

ماژول ۱: مبانی ادغام هوش مصنوعی در ویدیو Module 1: Foundations of AI in Video Integration

• ویدیو راهنمای پیمایش Navigation Video

• معرفی دوره Course Introduction

• ۱.۱ ساختار و انواع فایل‌های ویدئویی، تکنیک‌های فشرده‌سازی و استانداردهای کدک 1.1 Structure and Types of Video Files, Compression Techniques, and Codec Standards

• ۱.۲ نرخ فریم، رزولوشن‌ها و فرمت‌های رایج ویدئویی، فضای رنگی، HDR و زیرنمونه‌گیری کروما برای کاربردهای AI 1.2 Frame Rates, Resolutions, and Common Video Formats, followed by Color Spaces, HDR, and Chroma Subsampling for AI Applications

• ۱.۳ تکنیک‌های کلیدی AI در تحلیل داده‌های بصری و مقایسه یادگیری ماشین و یادگیری عمیق در پردازش ویدیو 1.3 Key AI Techniques in Visual Data Analysis and Comparing Machine Learning and Deep Learning in Video Processing

• ۱.۴ کاربردهای رایج در رسانه، نظارت و سازمان‌های تجاری 1.4 Common Applications in Media, Surveillance, and Enterprise

• ۱.۵ کتابخانه‌های رایج هوش مصنوعی (OpenCV, TensorFlow, PyTorch, MediaPipe) 1.5 Common AI Libraries (OpenCV, TensorFlow, PyTorch, MediaPipe)

• ۱.۶ مدیریت داده‌های ویدئویی و آماده‌سازی محیط برای توسعه AI 1.6 Video Data Handling and Environment Setup for AI Development

• ۱.۷ مورد کاربردی و مطالعه موردی: فشرده‌سازی ویدیو ارتقایافته با AI و سیستم ترنس‌کدینگ هوشمند یوتیوب 1.7 Use Case and Case Study: AI-Enhanced Video Compression and YouTube’s Intelligent Transcoding System

ماژول ۲: آماده‌سازی داده‌های ویدئویی برای هوش مصنوعی Module 2: Preparing Video Data for AI

• ۲.۱ استخراج و برچسب‌گذاری فریم‌های ویدئویی 2.1 Extracting and Annotating Video Frames

• ۲.۲ سازماندهی و ساختاربندی مجموعه‌داده‌های ویدئویی برای یادگیری نظارت‌شده بهینه 2.2 Organizing and Structuring Video Datasets for Efficient Supervised Learning

• ۲.۳ نرمال‌سازی داده‌ها و مقیاس‌بندی اندازه ورودی‌ها 2.3 Normalizing Data and Scaling Input Sizes

• ۲.۴ برش، نمونه‌برداری و ترتیب‌بندی فریم‌ها 2.4 Cropping, Sampling, and Sequencing Frames

• ۲.۵ افزایش داده‌ها (Augmentation) برای تاری حرکت، نورپردازی و تغییر زاویه 2.5 Augmentation for Motion Blur, Lighting, and Angle Variance

• ۲.۶ مدیریت ذخیره‌سازی و گردش کار برای داده‌های ویدئویی AI 2.6 Storage and Workflow Management for AI Video Data

• ۲.۷ مورد کاربردی و مطالعه موردی واقعی در مورد ساخت مجموعه‌داده‌های ویدئویی آماده برای رانندگی خودران 2.7 Use Case and Real World Case Study on Building AI-Ready Video Datasets for Autonomous Driving

ماژول ۳: یادگیری ماشین برای تحلیل ویدیو Module 3: Machine Learning for Video Analysis

• ۳.۱ مدل‌های تشخیص صحنه و طبقه‌بندی 3.1 Scene Recognition and Classification Models

• ۳.۲ همگام‌سازی اجزای صوتی و بصری و برچسب‌گذاری چندگانه در محتواهای ویدئویی متنوع 3.2 Syncing Audio and Visual Components and Tagging with Multiple Labels in Diverse Video Content.

• ۳.۳ کار با مدل‌های YOLO, SSD و Faster R CNN 3.3 Working with YOLO, SSD, and Faster R-CNN

• ۳.۴ ردیابی حرکت با استفاده از الگوریتم‌های Deep SORT و SORT 3.4 Tracking motion using Deep SORT and SORT algorithms

• ۳.۵ مدیریت انسدادها (Occlusions) و حرکات سریع 3.5 Managing occlusions and rapid movements

• ۳.۶ استفاده از RNNها و LSTMها برای تشخیص فعالیت‌های زمانی 3.6 Using RNNs and LSTMs for temporal activity detection

• ۳.۷ شناسایی رفتارهای انسانی و گروهی 3.7 Identifying Human and Group Behaviors

• ۳.۸ نظارت بر جمعیت و شناسایی ناهنجاری‌ها 3.8 Crowd Monitoring and Anomaly Recognition

• ۳.۹ مورد کاربردی: سیستم‌های نظارت هوشمند برای تشخیص اشیاء رها شده در زمان واقعی 3.9 Use Case: Smart surveillance systems detecting abandoned objects in real time

• ۳.۱۰ مطالعه موردی: پیاده‌سازی AI در شهر هوشمند دبی برای شناسایی اشیاء و رفتارهای مشکوک در مراکز حمل و نقل عمومی 3.10 Case Study: Dubai Smart City’s AI implementation for object recognition and suspicious behavior detection in public transport hubs

ماژول ۴: هوش مصنوعی مولد در ویدیو Module 4: Generative AI in Video

• ۴.۱ استفاده از GANها برای سنتز محتوای ویدئویی جدید 4.1 Using GANs to Synthesize New Video Content

• ۴.۲ اعمال انتقال سبک (Style Transfer) در فریم‌های متحرک 4.2 Applying Style Transfer in Moving Frames

• ۴.۳ درونیابی فریم (Frame Interpolation) با استفاده از یادگیری عمیق 4.3 Frame Interpolation using Deep Learning

• ۴.۴ همگام‌سازی لب‌ها (Lip Sync) و تبدیل صدا به حرکت 4.4 Lip-Sync and Voice-to-Motion Generation

• ۴.۵ خلق آواتارهای واقع‌گرایانه و حرکت شخصیت‌ها 4.5 Creating Realistic Avatars and Character Movement

• ۴.۶ تولید ویدیو از ورودی متنی 4.6 Generating Video from Textual Input

• ۴.۷ درک دیپ‌فیک‌ها (Deepfakes) و خطرات دست‌کاری 4.7 Understanding Deepfakes and Manipulation risks

• ۴.۸ روش‌های تشخیص و واترمارکینگ دیجیتال 4.8 Detection Methods and Digital Watermarking

• ۴.۹ دستورالعمل‌های استفاده مسئولانه از هوش مصنوعی 4.9 Responsible AI Usage Guidelines

• ۴.۱۰ مورد کاربردی: تولید خودکار ویدیوهای معرفی محصول با استفاده از آواتارها و روایت‌های سنتز شده 4.10 Use Case: Auto-generation of product explainer videos using avatars and synthesized narration

• ۴.۱۱ مطالعه موردی: راهکار Synthesia برای ایجاد ویدیوهای آموزشی و بازاریابی AI محور به زبان‌های مختلف 4.11 Case Study: Synthesia’s solution enables businesses to create AI-driven training and marketing videos in multiple languages

ماژول ۵: ارتقای کیفیت ویدیو با هوش مصنوعی Module 5: Enhancing Video with AI

• ۵.۱ افزایش رزولوشن (Upscaling)، حذف نویز و تیز کردن تصویر 5.1 Upscaling Resolution, Denoising, and Sharpening

• ۵.۲ بازسازی متراژهای آسیب‌دیده یا تاریخی 5.2 Repairing Damaged or Historical Footage

• ۵.۳ اعمال رنگ‌آمیزی AI بر روی رسانه‌های سیاه و سفید 5.3 Applying AI colorization to Grayscale Media

• ۵.۴ بهبود کیفیت پخش زنده (Live Stream) با هوش مصنوعی 5.4 Improving Live-Stream Quality with AI

• ۵.۵ رفع تاری، لرزش‌گیر و بهبود نور کم در ویدیوهای زمان واقعی 5.5 Deblurring, Stabilization, and Low-Light Enhancement in Real-Time Video

• ۵.۶ تولید خودکار کپشن و زیرنویس 5.6 Auto-generated Captions and Subtitles

• ۵.۷ ترجمه همزمان زبان اشاره 5.7 Real-Time Sign Language Interpretation

• ۵.۸ گویندگی و توصیف صوتی برای دسترسی‌پذیری 5.8 Voiceover and Audio Description for Accessibility

• ۵.۹ هوش مصنوعی در ارتقای ویدیو: مورد کاربردی در استریم موبایل و مطالعه موردی در بازسازی آرشیوهای تاریخی 5.9 AI in Video Enhancement: Use Case on Mobile Streaming and Case Study on Historical Archive Restoration

ماژول ۶: ویدیوهای تعاملی و غوطه‌ورکننده AI Module 6: Interactive and Immersive AI Video

• ۶.۱ استفاده از AI برای قرار دادن گرافیک‌های AR بر اساس فید دوربین 6.1 Using AI to Overlay AR Graphics Based on Camera Feed

• ۶.۲ تخمین عمق برای تثبیت اشیاء سه بعدی 6.2 Estimating Depth for Anchoring 3D Objects

• ۶.۳ جلوه‌های ویژه زمان واقعی با تشخیص بصری 6.3 Real-Time Special Effects with Visual Recognition

• ۶.۴ بخش‌بندی صحنه (Segmentation) و تشخیص برش‌ها (Cut Detection) 6.4 Scene Segmentation and Cut Detection

• ۶.۵ هایلایت‌ها و استوری‌بوردینگ مبتنی بر AI: خودکارسازی خلاصه‌های خلاقانه ویدئویی 6.5 AI-Driven Highlights and Storyboarding: Automating Creative Video Summaries

• ۶.۶ شاخه‌بندی ویدئوهای تعاملی 6.6 Interactive Video Branching

• ۶.۷ تدوین شخصی‌سازی شده 6.7 Personalized Edits

• ۶.۸ تشخیص احساسات برای افزایش تعامل 6.8 Emotion Recognition for Engagement

• ۶.۹ پخش ورزشی با قدرت AR: تحلیل لحظه‌ای بازیکنان و تعامل طرفداران از طریق نوآوری‌های AI و ابری 6.9 AR-Powered Sports Broadcasting: Real-Time Player Insights and Fan Engagement through AI and Cloud Innovation

ماژول ۷: هوش مصنوعی در نظارت تصویری و انطباق Module 7: AI in Video Surveillance and Compliance

• ۷.۱ سیستم‌های تشخیص چهره در جمعیت 7.1 Crowd Facial Recognition Systems

• ۷.۲ تشخیص حرکت و شناسایی پلاک در سیستم‌های نظارت هوشمند 7.2 Motion Detection and License Plate Recognition in Smart Surveillance Systems

• ۷.۳ شناسایی و فیلتر کردن محتوای حساس 7.3 Flagging and Filtering Sensitive Content

• ۷.۴ مدیریت آپلودها در پلتفرم‌های مقیاس بزرگ 7.4 Managing Uploads on Large-scale Platforms

• ۷.۵ گردش کارهای بررسی محتوای بصری 7.5 Visual Content Review Workflows

• ۷.۶ انطباق با GDPR و قوانین نظارتی 7.6 Compliance with GDPR and Surveillance Laws

• ۷.۷ راهکارهای AI با رعایت حریم خصوصی 7.7 Privacy-respecting AI Solutions

• ۷.۸ کاهش سوگیری الگوریتمی در سیستم‌های نظارتی 7.8 Reducing Algorithmic Bias in Surveillance

• ۷.۹ مورد کاربردی: کنترل دسترسی خودکار و لحظه‌ای در دفاتر شرکتی با استفاده از احراز هویت چهره 7.9 Use Case: Automated real-time access control in corporate offices using facial authentication

• ۷.۱۰ مطالعه موردی: فروشگاه‌های بدون صندوق Amazon Go با استفاده از بینایی ماشین برای امنیت و ردیابی رفتار مشتری 7.10 Case Study: Amazon Go’s cashier-less stores using computer vision for security and consumer behavior tracking

ماژول ۸: آینده هوش مصنوعی و ویدیو Module 8: Future of AI+ Video

• ۸.۱ اجرای تحلیل‌های ویدئویی AI در لبه (Edge Computing) 8.1 Running AI Video Analysis at the Edge

• ۸.۲ کاهش تأخیر (Latency) در استنتاج ویدئویی 8.2 Reducing Latency in Video Inference

• ۸.۳ خلاصه‌سازی و کپشن‌نویسی با قدرت AI 8.3 AI-Powered Summarization and Captions

• ۸.۴ تحلیل خرده‌فروشی از طریق شمارش تردد و نقشه‌های حرارتی (Heatmaps) 8.4 Retail Analytics through Footfall and Heatmaps

• ۸.۵ هوش مصنوعی در تصویربرداری و تشخیص‌های پزشکی 8.5 AI in Medical Imaging and Diagnostics

• ۸.۶ سیستم‌های ایمنی عمومی در مقیاس شهری 8.6 City-Scale Public Safety Systems

• ۸.۷ پروفایل‌های شغلی، مسئولیت‌ها و مهارت‌های مورد نیاز 8.7 Job Profiles, Responsibilities, and Required Skills

• ۸.۸ ایجاد فرصت‌های شغلی و مسیر پیشرفت در تکنولوژی AI و ویدیو 8.8 Building Careers and Opportunities in AI + Video Technology

• خلاصه دوره Course Summary