Tekoäly työkaluna videon parantamisessa

Abstract

Tämän insinöörityön tavoitteena oli tutkia tekoälypohjaisten menetelmien soveltuvuutta vanhojen ja heikkolaatuisten videotallenteiden parantamiseen. Työssä keskityttiin tekoälypohjaisiin videonparannustyökaluihin, joiden avulla voidaan korjata kuvanlaadun ongelmia, kuten matalaa resoluutiota ja kuvanopeutta, kohinaa sekä yleistä heikkoa kuvanlaatua. Tavoitteena oli arvioida, kuinka tehokkaasti tekoälypohjaiset työkalut pystyvät modernisoimaan vanhoja videotallenteita.

Työn toteutus sisälsi kolmen erityyppisen videomateriaalin testauksen kahdella tekoälyyn perustuvalla ohjelmistolla: Topaz Video AI:lla ja AVCLabs Video Enhancer AI:lla. Testauksessa käytettiin digitoitua VHS-nauhaa, DVD-tallennetta sekä älypuhelimella kuvattua videota, jotka edustivat eri teknologisia aikakausia ja kuvanlaadullisia haasteita. Testausprosessissa keskityttiin vertailemaan ohjelmistojen tuottamia parannuksia alkuperäiseen videomateriaaliin nähden. Parannusten arviointi suoritettiin subjektiivisin menetelmin, joissa kolmen hengen arviointiryhmä vertasi alkuperäistä ja parannettua materiaalia.

Tulosten perusteella Topaz Video AI suoriutui parhaiten videon parantamisesta, sillä sen parannetut videot olivat arvioijien mukaan yksityiskohtaisempia ja luonnollisempia. Topaz erottui myös suorituskykynsä, kattavien säätömahdollisuuksiensa sekä laajan tekoälymallivalikoimansa ansiosta. AVCLabs Video Enhancer AI tarjosi myös kuvanlaadullisia parannuksia, vaikka ne jäivät yksityiskohtien ja luonnollisuuden osalta hieman jälkeen Topazista. AVCLabs osoittautui kuitenkin helppokäyttöiseksi ja aloittelijaystävälliseksi vaihtoehdoksi.

Työn johtopäätöksenä voidaan todeta, että tekoälypohjaiset videonparannusmenetelmät tarjoavat lupaavia mahdollisuuksia monenlaisten videotallenteiden modernisoinnissa. Tuloksia voidaan hyödyntää sellaisten ihmisten keskuudessa, jotka haluavat parantaa vanhojen videoiden kuvanlaatua harrastuneisuuden tai mielenkiinnon kautta.

The objective of this engineering thesis was to explore the applicability of AI-based methods for enhancing old and low-quality video recordings. The focus was on AI-driven video enhancement tools that can address image quality issues such as low resolution and frame rate, noise, and general poor video quality. The goal was to evaluate how effectively AI-based tools can modernize old video recordings.

The implementation of the study involved testing three different types of video material using two AI-based software programs: Topaz Video AI and AVCLabs Video Enhancer AI. The tested materials included a digitized VHS tape, a DVD recording, and a video shot with a smartphone, each representing different technological eras and presenting various image quality challenges. The testing process focused on comparing the improvements made by the software to the original video material. The evaluation of the enhancements was carried out using subjective methods, with a three-person evaluation panel comparing the original and enhanced materials.

According to the results, Topaz Video AI performed the best in video enhancement, with its improved videos being rated as more detailed and natural by the evaluators. Topaz stood out particularly due to its performance, extensive adjustment options, and wide range of AI models. AVCLabs Video Enhancer AI offered also improvements in image quality, though it fell slightly behind Topaz in terms of detail and naturalness. However, AVCLabs proved to be easy to use and a beginner-friendly option.

In conclusion, AI-based video enhancement methods offer promising opportunities for modernizing various types of video recordings. The results can be beneficial to individuals looking to improve the image quality of old videos as a hobby or out of personal interest.