Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

百度智能云发布智能视频云3.0全景图:面向三大应用领域

全视频时代到来,各行各业对视频的应用、体验和效能提出全新升级需求,AI 与云计算的发展则为智能视频进入新阶段注入充足动力。

5 月 13 日,百度智能云「云智技术论坛 - 智能视频专场」活动在北京举行,重磅发布了智能视频云 3.0 全景图。百度智能视频云 3.0 基于云原生架构,融合百度前沿的视频云技术和 AI 能力架构矩阵,从云智技术一体化、产品平台化、应用场景化三个层面全面赋能视频创作、生产、应用等全流程。

百度集团副总裁侯震宇在致辞中表示,消费互联网内容视频化加速发展的同时,许多行业的业务也正在不断被视频化,变化趋势背后的驱动力是 AI 与云计算的发展,使得智能视频体验进入内容高清化、体验沉浸化、分析智能化的新阶段。各行业为了积极应对业务视频化趋势,需要开始统一规划云智一体的视频平台。百度在视频领域有长期丰富的业务实践,并据此构建了云智一体的领先技术能力,希望为各行业的智能视频发展提供强大助力。

 百度集团副总裁侯震宇致辞

当下,海量视频采集接入、数据分析、视频处理存储等成为行业新难题,产业、媒体、消费者等不仅对视频质量、效率、稳定性提出更高期待,同时希望在视频管理、生产创作、交互与形式等方面有更便捷和多元的创新应用。

论坛上,百度智能视频云总经理连林江详细解析了智能视频云 3.0 全景图。智能视频云 3.0 将 “云智一体” 的独特优势与视频技术全面融合,形成云智一体化、平台化、全场景化,为行业提供前沿的视频云技术、全面的 AI 视频能力矩阵、实用的视频创作分发平台和视联网感知平台,以及覆盖全场景的智能视频技术方案。

AI 原生架构的智能视频云 3.0 全景图

云边端一体的基础技术架构是智能视频云 3.0 的核心依托,目前智能云视频 3.0 已构建起完整的云边端基础产品体系,进一步拓展算力边界。在此基础上,智能视频云 3.0 具有完整的技术能力与产品矩阵,满足高扩展、高稳定、高性能、高效率的需求。其中,视频分发基础设施 CDN 拥有遍布全球 1000 + 节点、100T 带宽储备,以强大网络基础设施带来极致视频分发体验和效率;智能编码技术的 BD265 编码器通过深度学习网络提取视频特征生成自适应编码参数,并自研 60 + 种算法,实现同画质降低码率 30%+、提速 2x+;智感超清的视频处理技术,通过老片修复、画质增强、4K 超分等方面大幅提升画质体验、弥补超高清内容缺失,加速了超高清产业发展,相关技术在国际权威比赛中屡次夺冠;实时音视频通讯依靠核心自研的多个算法,实现通讯顺畅的超低延时互动体验;低延时直播在采用全链路 SRT 协议技术传播方案与 mpegTS 封装结合上,可稳定支撑千万级直播并发;面向不同业务场景提供 All in one 的智能视频 SDK 矩阵能力,涵盖视频特效、短视频、互动直播、播放器、增强超分等。

基于云智一体,百度智能视频云 3.0 的视频创作分发平台和视联网感知平台面向不同场景应用提供一站式服务和平台化支撑。频创作分发平台面向泛互联网、泛媒体行业,聚焦工作流和媒介资源管理,覆盖视频接入、生产、处理、审核分析和个性化推荐分发全流程,利用 AI 能力对于数据的分析理解加快数据流动、提高媒资数据利用率。视联网感知平台面向传统产业,对视频端设备和泛视频数据流进行统一连接、分析和管理,实现通用的面向生产、控制和治理等场景的链接、链感、链管的基础平台,在企业生产、园区管理、城市和社会治理方面能发挥重要价值。

在云能力基础之上,AI 能力使得智能视频从「刀耕火种」走向「精耕细作」。 百度视觉技术部总监丁二锐介绍了“智能视频云 3.0 全景图” 的 AI 能力。在视频内容理解分析上,可通过图像、声音、场景、人物、文本描述等信息,对进行视频智能分析、内容智能审核、智能检索。基于百度自研业界最大包含了 5500 亿海量知识的多元异构知识图谱,增强视频深度理解,提升视频编目效率,支持视频分析、审核、检索等方面得到广泛应用。在视频智能生产上,通过图文资讯、数据、图集等多种内容载体向短视频进行转换,并基于知识图谱对结构化数据、事件脉络进行增强理解,实现创新的视频生成。在视频交互与生成方面,全新构建了交互与生成 AI 能力矩阵,其中基于元学习 - 迁移学习的视频生成技术可根据需求快速定制不同风格的高质量视频;同时结合虚拟数字人形象生成与语音合成、唇动等技术,可低成本制作形象丰富灵动、线上线下多端覆盖的的数字人,不仅交互自然、声音动听,还能够适配多种业务场景需求,如百度智能云的数字人虚拟主播「小 C」,在今年两会直播节目担任主持人时拥有出色的表现。

数字人虚拟主播小 C

论坛现场还分享了百度智能视频云在泛互联网、泛媒体和泛产业方向的智能视频方案与应用案例,覆盖互动娱乐、内容生产、智能分析、远程实时通讯、生产管理、安全管理等场景。

在泛媒体场景,百度智能视频技术通过媒体大脑平台,赋能产业三大升级,打造智媒产业互联网生态圈。智能视频云将云智一体的视频技术和媒介中台里的媒体 AI 中台、媒体知识中台、媒体经营中台相结合,从智能媒资管理、智能内容生产、智慧媒体经营三个层面解决智能视频云技术在多种场景下的需求。

在泛互联网应用场景中,内容和用户是互联网企业增长核心要素,百度智能视频技术助力优秀内容创作者,深入垂类赛道,用具体 AI 多的智感超清产品帮助客户降低码率提升画质,以低成本分发的方式,精准触达到目标受众群,形成裂变增长。智能视频云基于百度领先的云智一体的独特优势 AI 能力,以新零售直播 SaaS 解决方案、在线社交解决方案、智能小视频一站式解决方案、全链路编解码优化解决方案等四大解决方案,满足不同需求企业的定制化视频需求。

在泛产业场景中,百度智能视频云以云边端一体为基础架构,平台 + 数据主导,解决业务对接系统和数据平台化的需求。智能视频云 3.0 中的视联网感知平台聚焦产业级视频通过信息获取对多种业务进行决策的特性,通过智能端多场景覆盖下的 200 + 种应用场景、一站式、低数据、快速定制能力的 EasyDL 算子生产技术,与云边端深度融合,提供具有秒级告警能力的最优云智一体架构,使平台形成模块化,并开放接口服务,实现快速对接构建,解耦应用对平台资源的配置管理。

「云智一体」是为了更好聚焦产业应用中的痛点与难点,为技术深入产业智能化转型升级发挥更大价值。活动现场,来自杭州星犀科技和宜昌市点军区等合作伙伴分享了与百度智能视频云合作的精彩案例。杭州星犀科技有限公司云犀直播产品总监胡亚龙分享了联合百度智能视频云为零售直播进行数字化智能化赋能的应用案例,通过百度智能视频云 PaaS 能力与云犀直播 SaaS 应用的的结合,解决零售品牌自播执行门槛高、门店直播运营力缺乏的关键问题。宜昌市点军区区委常委、常务副区长顾鹏飞博士在分享中表示,点军区积极拥抱人工智能、视联网与物联网,在百度智能视频云的参与和助力下,在公共卫生、乡村振兴、基层医疗、环境保护等方面为民生带来更多便捷、智能的服务,让百姓有安全感、获得感、幸福感。

左:杭州星犀科技有限公司 云犀直播产品总监胡亚龙;右:宜昌市点军区区委常委、常务副区长顾鹏飞博士

凭借「云智一体」的独特优势,除智能视频方向以外,百度智能云已在智能智造、智慧金融、智慧城市、智慧能源、智慧医疗等领域拥有领先产品、技术和解决方案,与多家行业翘楚合作推进企业数字化、智能化升级。百度将持续以深耕多年的 AI 技术能力深入各行各业,夯实智能化基础,助力产业智能化升级实现新突破。

产业百度飞桨EasyDL百度云百度
相关数据
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

语音合成技术

语音合成,又称文语转换(Text to Speech)技术,是将人类语音用人工的方式所产生,能将任意文字信息实时转化为标准流畅的语音朗读出来,相当于给机器装上了人工嘴巴。它涉及声学、语言学、数字信号处理、计算机科学等多个学科技术,是信息处理领域的一项前沿技术,解决的主要问题就是如何将文字信息转化为可听的声音信息,也即让机器像人一样开口说话。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

迁移学习技术

迁移学习是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务,虽然大多数机器学习算法都是为了解决单个任务而设计的,但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。 迁移学习对人类来说很常见,例如,我们可能会发现学习识别苹果可能有助于识别梨,或者学习弹奏电子琴可能有助于学习钢琴。

推荐文章
暂无评论
暂无评论~