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 name Description
EXPOSED_ANUS Exposed Anus; Any gender
EXPOSED_ARMPITS Exposed Armpits; Any gender
COVERED_BELLY Provocative, but covered Belly; Any gender
EXPOSED_BELLY Exposed Belly; Any gender
COVERED_BUTTOCKS Provocative, but covered Buttocks; Any gender
EXPOSED_BUTTOCKS Exposed Buttocks; Any gender
FACE_F Female Face
FACE_M Male Face
COVERED_FEET Covered Feet; Any gender
EXPOSED_FEET Exposed Feet; Any gender
COVERED_BREAST_F Provocative, but covered Breast; Female
EXPOSED_BREAST_F Exposed Breast; Female
COVERED_GENITALIA_F Provocative, but covered Genitalia; Female
EXPOSED_GENITALIA_F Exposed Genitalia; Female
EXPOSED_BREAST_M Exposed Breast; Male
EXPOSED_GENITALIA_M Exposed Genitalia; Male

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

class name Description
FACE Face; Any gender
EXPOSED_BREAST Exposed Breast; Any gender
EXPOSED_GENITALIA Exposed Genitalia; Any gender

Usage:

Python RecFilter2.py file \
       [-i <VALUE>] \
       [-e <VALUE>] \
       [-b <VALUE>] \
       [-f <VALUE>] \
       [-m <NAME> -s <NAME>] \
       [-k]
Parameter Description
-i Interval in seconds between each generated sample image used for analysis, (Default is 60).
-e Number of seconds to include prior to each selected video section, (Default is 0).
-b Number of seconds to skip at the beginning of the video, eg. in the event of a ‚highlights‘ video being shown, (Default is 0).
-f Number of seconds to skip at the end of the video, eg. in the event of a ‚highlights‘ video being shown, (Default is 0).
-m Model name to match in the config file, site (-s) parameter must also be supplied, (Default is none).
-s Site name to match in the config file, (Default is none).
-k Keep 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.