在赛车运动中实现基于AI的语义字符识别

赛车节目的电视制作人员常常叠加视觉与文本媒体，以提供关于车手（如车手姓名、位置或照片）的屏幕上下文。这通常由人工制作人员完成：其目视识别屏幕上的车手，手动切换与各车手关联的上下文媒体，并与摄像师及其他电视制作人员协调，以在上下文媒体显示期间将赛车手保持在画面中。这一劳动密集且高度专人的过程大多适用于静态叠加，并难以在短镜头中同时叠加关于多名车手的上下文信息。本文提出一个系统，利用深度学习跟踪屏幕上移动的车手，在很大程度上自动化这些任务并实现动态叠加，无需人工干预。该系统并非仅是理论性的，其实现已由一家电视制作公司在Formula E赛事的现场比赛中部署。我们呈现实现过程中面临的挑战并讨论其影响。此外，我们涵盖这一新技术发展的未来应用与路线图。