obs畫質模糊的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

基於智慧框選重點區域與影像模糊化之即時高畫質視訊自適串流

為了解決obs畫質模糊的問題，作者黃承鴻 這樣論述：

即時視訊串流應用(Live Streaming )或瀏覽網路多媒體串流應用(Buffered Streaming)，在即時視訊串流應用中如網路直播或視訊會議，常常會因為網路頻寬不穩定，特別是無線網路，會有延遲或掉封包的情形，導致畫質變差，一般處理方式都是隨著網路頻寬而自動調整視訊解析度，讓視訊品質與網路頻寬相匹配。所以頻寬低網路流量下降，整個視訊影片內容會變得模糊，這對於接收端來說並不是樂見的，體驗特質(Quality of Experience，QOE)變差。在很多應用上，視訊內容可以考慮不需要所有畫面區域都同時降低解析度，事實上接收端有其所期待之畫面內容重點，所以每個視訊畫面可以根據標的

重點之不同，以不同的解析度呈現，重點區域(Region of Interest，ROI)維持高解析度，不隨頻寬變化而改變，頻寬主要用於ROI傳輸，剩餘頻寬才傳送非ROI，這樣可以達到最佳之QOE。本研究便是基於這樣的思維動機，以深度學習(Deep Learning)，智慧框選出每個畫面的ROI (如：人臉及/或身體)，讓ROI維持既有之解析度，其他部分則隨頻寬大小而動態調整其模糊化程度，使整體畫面之總資料量能與頻寬相匹配。從QOE的角度來看，影像畫面未必需要完整呈現，某些特定的區域部分才是使用者想要看到的，就如同景深模式中，人像是清晰的而後面的背景可以是模糊的，也如同在視訊會議當中，人與人的對

談當中，人的部分清晰就顯得重要。本論文以邊緣端GPU執行AI深度學習來找出畫面的ROI，其餘的部分將它模糊，此作法可以大量減少影像檔案大小、並且使用者感興趣的部分也能保留下來。在找尋ROI的部分是利用Semantic Segmentation藉由深度學習訓練，主動偵測人的身體部位，或是穿戴在人身上的物品，都視為ROI並將其保留下來，剩下的部分根據當前網路上傳速度來決定模糊程度，隨時去檢測網路頻寬情形並即時做出相對應的傳輸策略。本研究希望達成在動態網路頻寬下，當網路流量不足時，有別於現在的解決方式將整個影像畫面全部一起降低解析度，希望藉由ROI與影像模糊概念，對不同畫面區域做傳輸上之差異服務(d

ifferentiated service)，在滿足頻寬限制下，還能保有使用者QOE。