Automatische Generierung von Lichtsteuerdaten aus Videos von Bühnenauftritten

Abstract

Das Ziel dieser Arbeit ist das Erstellen von Lichtsteuerdaten aus Videos von Bühnenauftritten durch die Verwendung geeigneter Modelle der Computer Vision. Diese Zielsetzung wird durch die Bearbeitung von fünf Kernpunkten erreicht. So werden unterschiedliche Modelle gegeneinander abgegrenzt, damit geeignete Modelle für diese zu erfüllende Aufgabe gefunden werden können. Des Weiteren muss der Datensatz für das Training der Modelle aufbereitet werden. Der Fokus bei dieser Aufbereitung wird auf der Abstraktion der einzelnen Lichtparameter für das Training der Modelle liegen. Aufgrund der Größe des zur Verfügung stehenden Datensatzes, wird eine Anwendung entwickelt, welche die Aufbereitung des Datensatzes automatisch vornimmt. Vor dem Training der einzelnen Modelle werden zudem die unterschiedlichen Trainingsparameter untersucht. Bevor die Trainingsergebnisse der Modelle und die erstellten Lichtsteuerdaten ausgewertet werden, muss eine Anwendung für die Erstellung der Steuerdaten auf Basis der trainierten Modelle erstellt werden. Die generierten Lichtsteuerdaten werden nachfolgend mit den tatsächlichen Lichtsteuerdaten desselben Datensatzes verglichen. In Bezugnahme auf die Ergebnisse wird abschließend ein Ausblick für die Erweiterung und Optimierung dieser Aufgabe vorgeschlagen.

The aim of this thesis is to create lighting control data from videos of stage performances by using suitable computer vision models. This objective is achieved by working on five key points. Different models are differentiated from each other so that suitable models can be found for this task. Furthermore, the data set must be prepared for training the models. The focus of this preparation will be on the abstraction of the individual light parameters for training the models. Due to the size of the available data set, an application will be developed that automatically prepares the data set. Before training the individual models, the different training parameters are also examined. Before the training results of the models and the generated lighting control data are evaluated, an application must be created to generate the control data on the basis of the trained models. The generated lighting control data is then compared with the actual lighting control data from the same data set. Finally, with reference to the results, an outlook for the expansion and optimization of this task is proposed.