RecFilter2

RecFilter2 ist ein Python Programm, welches Videodateien analysiert und SFW Inhalte automatisch entfernt. Zu Kompliziert? Dann einfacher: Das Programm entfernt nicht sexuelle Inhalte aus Erwachsenfilmen bzw. aus Webcam Aufzeichnungen wie von Chaturbate und ähnliche Seiten.

Anbei die Installationsschritte unter Windows 10, Vorausgesetzt hierfür wird die bereits erfolgte Installation von GIT und Python in der Version 3.5 bis 3.8, Version Python 3.9 funktioniert (noch) nicht.

  1. Kommandozeile öffnen
  2. git clone https://github.com/Jafea7/RecFilter2.git
  3. cd RecFilter2
  4. pip install -r requirements.txt
  5. RecFilter2.py videodatei.ext

Im letzten Schritt wird das Programm gestartet und die Datei videodatei.ext zur Bearbeitung übergeben.

Die Standardeinstellungen für das Programm sind wie folgt eingestellt, nach diesen Parametern wird das Videofile analysiert:

  • EXPOSED_ANUS
  • EXPOSED_BELLY
  • EXPOSED_BREAST
  • EXPOSED_BUTTOCKS
  • EXPOSED_FEET
  • EXPOSED_GENTALIA
  • FACE

Folgende Parameter stehen dabei zur Auswahl:

class nameDescription
EXPOSED_ANUSExposed Anus; Any gender
EXPOSED_ARMPITSExposed Armpits; Any gender
COVERED_BELLYProvocative, but covered Belly; Any gender
EXPOSED_BELLYExposed Belly; Any gender
COVERED_BUTTOCKSProvocative, but covered Buttocks; Any gender
EXPOSED_BUTTOCKSExposed Buttocks; Any gender
FACE_FFemale Face
FACE_MMale Face
COVERED_FEETCovered Feet; Any gender
EXPOSED_FEETExposed Feet; Any gender
COVERED_BREAST_FProvocative, but covered Breast; Female
EXPOSED_BREAST_FExposed Breast; Female
COVERED_GENITALIA_FProvocative, but covered Genitalia; Female
EXPOSED_GENITALIA_FExposed Genitalia; Female
EXPOSED_BREAST_MExposed Breast; Male
EXPOSED_GENITALIA_MExposed Genitalia; Male

The following are gender neutral, ie. they will match Male or Female:

class nameDescription
FACEFace; Any gender
EXPOSED_BREASTExposed Breast; Any gender
EXPOSED_GENITALIAExposed Genitalia; Any gender

Usage:

Python RecFilter2.py file \
       [-i <VALUE>] \
       [-e <VALUE>] \
       [-b <VALUE>] \
       [-f <VALUE>] \
       [-m <NAME> -s <NAME>] \
       [-k]
ParameterDescription
-iInterval in seconds between each generated sample image used for analysis, (Default is 60).
-eNumber of seconds to include prior to each selected video section, (Default is 0).
-bNumber of seconds to skip at the beginning of the video, eg. in the event of a ‚highlights‘ video being shown, (Default is 0).
-fNumber of seconds to skip at the end of the video, eg. in the event of a ‚highlights‘ video being shown, (Default is 0).
-mModel name to match in the config file, site (-s) parameter must also be supplied, (Default is none).
-sSite name to match in the config file, (Default is none).
-kKeep the temporary work directory and its contents, (Default is false).

-i 60 -e 0 -b 1 -f 0

Folgendes Beispiel verdeutlicht die Arbeitsweise und den Nutzen des Programmes:

Nach Analyse und Umwandlung einer .ts-Videodatei mit einer Dateigröße von 15.5GB und einer Laufzeit von 6 Stunden und 50 Minuten hatte die bearbeitete Datei  danach eine Dateigröße von 9.9GB und eine Laufzeit von 4 Stunden und 20 Minuten. Die Bearbeitung dieser Datei dauerte 10 Minuten mit einem Prozessor INTEL i5-9600KF, wobei alle 6 Kerne zu 100% ausgelastet worden sind.

Ich bin leider kein Programmierer, aber vielleicht wäre mit einer Optimierung des Python Scripts für die Verwendung von nVidia CUDA und Corel AI Edge TPU hier deutlich mehr möglich.