Кросплатформна адаптація алгоритмічних методів редагування
Анотація
Актуальність дослідження зумовлена стрімким розвитком технологій та зростаючою потребою в ефективній обробці даних на різних платформах. Метою дослідження була розробка методів, які б дозволили використовувати алгоритми редагування даних на різних операційних системах та апаратних платформах. Було розроблено методологію дослідження технологій кросплатформної адаптації, включаючи крос-компіляцію, віртуалізацію, використання універсальних бібліотек та інтерфейсу прикладного програмування, а також методи тестування та оптимізації продуктивності алгоритмів. У дослідженні були розглянуті різні підходи до реалізації крос-платформної сумісності, включаючи використання крос-компіляції, віртуалізації та контейнеризації. Основними технічними проблемами є управління ресурсами, оптимізація продуктивності та забезпечення сумісності з апаратним забезпеченням різних платформ. Принципи включають вибір найбільш підходящої технології для вирішення поставленого завдання, врахування вимог до продуктивності та безпеки, а також забезпечення ефективної інтеграції існуючих систем та інфраструктури. Робочі процеси зосереджені на створенні модульних і розширюваних рішень, які можуть легко адаптуватися до змін у технологічному середовищі та вимог користувачів. У контексті цього дослідження програмне забезпечення зі штучним інтелектом відіграє ключову роль у підвищенні ефективності та точності обробки даних на різних платформах. Результати показали, що програмне забезпечення зі штучним інтелектом може автоматизувати різні етапи процесу редагування відео та аудіо. Штучний інтелект використовується для аналізу великих обсягів даних контенту, таких як відеофайли, зображення та аудіозаписи. Дослідження показало, що штучний інтелект стає все більш актуальним у різних аспектах кіновиробництва. Штучний інтелект може аналізувати сценарії, прогнозувати їхній потенційний успіх і пропонувати покращення, використовуючи дані попередніх фільмів та їхній комерційний успіх
Ключові слова
оптимізація; програмне забезпечення; ефективність; сумісність; інтерфейс
Використані джерела
[1] Ameen, S., & Mohammed, D. (2022). Developing cross-platform library using flutter. European Journal of Engineering and Technology Research, 7(2), 18-21. doi: 10.24018/ejeng.2022.7.2.2740.
[2] Bieda, I., & Panchenko, T. (2022). A systematic mapping study on artificial intelligence tools used in video editing. International Journal of Computer Science and Network Security, 22(3), 312-318. doi: 10.22937/IJCSNS.2022.22.3.40.
[3] Blanco, J.Z., & Lucrédio, D. (2021). A holistic approach for cross-platform software development. Journal of Systems and Software, 179, article number 110985. doi: 10.1016/j.jss.2021.110985.
[4] Casalicchio, E., & Iannucci, S. (2020). The state-of-the-art in container technologies: Application, orchestration and security. Concurrency and Computation: Practice and Experience, 32(17), article number e5668. doi: 10.1002/cpe.5668.
[5] De, S. (2021). Design approach to unified service API modeling for semantic interoperability of cross-enterprise vehicle applications. Plzeň: University of West Bohemia.
[6] de-Lima-Santos, M.-F., & Ceron, W. (2022). Artificial intelligence in news media: Current perceptions and future outlook. Journalism and Media, 3(1), 13-26. doi: 10.3390/journalmedia3010002.
[7] Dempewolf, М. (2020). Perceptions of mobile developers adopting cross-platform methods: A generic qualitative inquiry. (Doctoral dissertation, Capella University, Minneapolis, USA).
[8] Dey, N. (2021). Cross-platform development with Qt 6 and Modern C++: Design and build applications with modern graphical user interfaces without worrying about platform dependency. Birmingham: Packt Publishing.
[9] Eugeni, R., & Pisters, P. (2020). The artificial intelligence of a machine: Moving images in the age of algorithms. European Journal of Media Studies, 1, 91-100. doi: 10.25969/mediarep/14325.
[10] European Commission. (2021). Ethics and data protection. Retrieved from https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/guidance/ethics-and-data-protection_he_en.pdf.
[11] Hsu, C.-C., Zhuang, Y.-X., & Lee, C.-Y. (2020). Deep fake image detection based on pairwise learning. Applied Sciences, 10(1), article number 370. doi: 10.3390/app10010370.
[12] Işıtan, M., & Koklu, M. (2020). Comparison and evaluation of cross platform mobile application development tools. International Journal of Applied Mathematics, Electronics and Computers, 8(4), 273-281. doi: 10.18100/ijamec.832673.
[13] Kishore, K., Khare, S., Uniyal, V., & Verma, S. (2022). Performance and stability comparison of react and flutter: Cross-platform application development. In 2022 international conference on cyber resilience (ICCR) (pp. 1-4). Dubai: Institute of Electrical and Electronics Engineers. doi: 10.1109/ICCR56254.2022.9996039.
[14] Kwok, A.O.J., & Koh, S.G.M. (2021). Deepfake: A social construction of technology perspective. Current Issues in Tourism, 24(13), 1798-1802. doi: 10.1080/13683500.2020.1738357.
[15] Kyelem, Y., Kabore, K.K., & Bassole, D. (2021). Hybrid approach to cross-platform mobile interface development for IAAS. In S. Shakya, R. Bestak, R. Palanisamy & K.A. Kamel (Eds.), Mobile computing and sustainable informatics (pp. 225-238). Singapore: Springer. doi: 10.1007/978-981-16-1866-6_16.
[16] Li, C., Zhu, J., Bi, L., Zhang, W., & Liu, Y. (2022). A low-light image enhancement method with brightness balance and detail preservation. PLoS ONE, 17(5), article number e0262478. doi: 10.1371/journal.pone.0262478.
[17] Ma, Y., Yang, Z., Chiu, B., Zhang, Y., Jiang, J., Du, B., & Fan, H. (2022). Supporting cross-platform real-time collaborative programming: Architecture, techniques, and prototype system. In H. Gao & X. Wang (Eds.), Collaborative computing: Networking, applications and worksharing (pp. 124-143). Cham: Springer. doi: 10.1007/978-3-030-92638-0_8.
[18] Menegassi, А.A., & Endo, А.T. (2020). Automated tests for cross-platform mobile apps in multiple configurations. IET Software, 14(1), 27-38. doi: 10.1049/iet-sen.2018.5445.
[19] Nader, K., Toprac, P., Scott, S., & Baker, S. (2024). Public understanding of artificial intelligence through entertainment media. AI & SOCIETY, 39(2), 713-726. doi: 10.1007/s00146-022-01427-w.
[20] Negi, S., Jayachandran, M., & Upadhyay, S. (2021). Deep fake: An understanding of fake images and videos. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 7(3), 183-189. doi: 10.32628/CSEIT217334.
[21] Nguyen, H. (2022). Programming language interoperability in cross-platform software development. (Master’s thesis, Aalto University, Espoo, Finland).
[22] Novac, O.-C., Chirodea, M.-C., Novac, C.-M., Bizon, N., Oproescu, M., Stan, O.P., & Gordan, C.E. (2022). Analysis of the application efficiency of TensorFlow and PyTorch in convolutional neural network. Sensors, 22(22), article number 8872. doi: 10.3390/s22228872.
[23] Pavlik, J.V. (2023). Collaborating with ChatGPT: Considering the implications of generative artificial intelligence for journalism and media education. Journalism & Mass Communication Educator, 78(1), 84-93. doi: 10.1177/10776958221149577.
[24] Revi, K.R., Vidya, K.R., & Wilscy, M. (2021). Detection of deepfake images created using generative adversarial networks: A review. In M. Palesi, L. Trajkovic, J. Jayakumari & J. Jose (Eds.), 2nd international conference on networks and advances in computational technologies (pp. 25-35). Cham: Springer. doi: 10.1007/978-3-030-49500-8_3.
[25] Rieger, С., & Majchrzak, Т.A. (2019). Towards the definitive evaluation framework for cross-platform app development approaches. Journal of Systems and Software, 153, 175-199. doi: 10.1016/j.jss.2019.04.001.
[26] Sajbidor, M., Vesely, P., & Krajewski, M. (2023). Creating cross-platform application in Java and C++. In N. Kryvinska, M. Greguš & S. Fedushko (Eds.), Developments in information and knowledge management systems for business applications (pp. 495-540). Cham: Springer. doi: 10.1007/978-3-031-27506-7_19.
[27] Toasa, R.M., Egas, P.F.B., Recalde, H., & Saltos, M.G. (2023). Mobile development with Xamarin: Brief literature, visualizations and important issues. In Á. Rocha, C. Ferrás & W. Ibarra (Eds.), Information technology and systems (pp. 299-307). Cham: Springer. doi: 10.1007/978-3-031-33261-6_26.
[28] Vassallo, K., Garg, L., Prakash, V., & Ramesh, K. (2019). Contemporary technologies and methods for cross-platform application development. Journal of Computational and Theoretical Nanoscience, 16(9), 3854-3859. doi: 10.1166/jctn.2019.8261.
[29] Xu, M., Chen, D., & Zhou, G. (2020). Real-time face recognition based on Dlib. In Innovative computing (pp. 1451-1459). Singapore: Springer. doi: 10.1007/978-981-15-5959-4_177.
[30] Zhang, Y. (2021). Cross-platform methods in computer graphics that boost experimental film making. (Master’s thesis, Rochester Institute of Technology Rochester Institute of Technology, Rochester, USA).