Des chercheuses et des chercheurs du Seneca College entrainent des machines à aider au montage vidéo

Demandez à tous celles et ceux qui l’ont déjà fait : le montage vidéo est un travail long et fastidieux. Et comme la demande de nouveaux contenus sur une multitude de plateformes est plus forte que jamais, le travail d’une monteuse ou d’un monteur vidéo n’est jamais terminé.

Grâce au projet de catégorisation de vidéos par l’intelligence artificielle de Seneca Innovation et de son partenaire industriel Vubble, les personnes qui font du montage vidéo pourront bénéficier d’une aide à la fine pointe de la technologie.

Vubble, une entreprise œuvrant dans le secteur des technologies de l’information et des communications établie à Toronto et à Waterloo, a fait appel à l’expertise en apprentissage machine de la School of Software Design & Data Science du Seneca College pour intégrer au processus de montage manuel une recommandation automatique de catégorisation des vidéos.

 Ce type de travail est généralement très exigeant en main-d’œuvre en plus d’être couteux, explique Tessa Sproule, cofondatrice et codirectrice générale de Vubble. Le monde des communications est à un moment charnière, et nous avons besoin de la technologie pour nous aider à déchiffrer et à interpréter la qualité et la validité du contenu que nous produisons. 

Grâce à cette collaboration de plusieurs années, Vubble est en mesure d’attribuer plus rapidement des catégories adéquates au contenu vidéo à partir d’éléments visuels et sonores, ce qui lui permet de répondre aux besoins d’une clientèle croissante qui comprend CTV News, TFO, Channel 4 News (Royaume-Uni) et le Canadian Film Centre.

Le projet de recherche appliquée a été dirigé par Vida Movahedi, professeure à la School of Software Design & Data Science, et a été financé par le Conseil de recherches en sciences naturelles et en génie du Canada avec le soutien de la Southern Ontario Smart Computing Innovation Platform.

Pour la Pre Movahedi et ses étudiantes et étudiants, la mise au point d’un système de catégorisation des vidéos a nécessité l’entrainement et l’évaluation de modèles d’apprentissage machine capables de prédire des catégories adéquates à partir de divers contenus. Pour ce faire, il a fallu apprendre aux machines à comprendre ce qui se passe dans une vidéo, en leur fournissant des images et des transcriptions audios appropriées.

 Les techniques d’apprentissage machine nous permettent d’éviter de recourir à une catégorisation manuelle, explique la Pre Movahedi. Même si elles ne sont pas exactes à 100 %, les catégories proposées demeurent utiles pour les monteuses et monteurs vidéos et les éditrices et éditeurs de contenu. 

À l’aide de la plateforme de Seneca College, Vubble met actuellement au point un modèle de transcription audio en direct qui se fonde sur certains mots et certaines situations dans des balados et des vidéos pour catégoriser le contenu en conséquence.

 À la base de l’intelligence artificielle, il y a des humains qui enseignent aux machines, explique Mme Sproule, ancienne responsable du contenu numérique à la CBC. Ce que nous voulons faire, c’est d’essayer de reproduire des compétences humaines en matière d’édition de contenu chez une machine. Notre objectif est que les gens voient non seulement ce qu’ils veulent voir, mais aussi ce qu’ils ont besoin de voir. 

Le présent article a été adapté et republié avec la permission du  Seneca College (en anglais seulement).

Récit suivant