至顶网CIO与CTO频道 11月07日 北京消息:互联网流量正以平均每年26%的速度增长。2017年以来,视频流量在整个互联网流量的占比一直处于高位。从2017年的75%,到现在的约80%, 到2022年预计超过82%的互联网流量将来自于视频或者包含视频的应用。
2019年,每月约200EB的互联网流量里80%来自于视频,到2022年,这个数字将会翻倍,这个巨大的数字所代表的商业价值不言而喻。
腾讯多媒体实验室专注于多媒体技术领域的前沿技术探索、研发、应用和落地。积极贡献国际国内行业标准制定,包括多媒体数据压缩、网络传输协议、多媒体系统和开源平台等。
腾讯多媒体实验室打造三大核心能力,第一、音视频编解码、网络传输和实时通信;第二、多媒体内容处理、分析、理解和质量评估;第三、沉浸式媒体系统设计和端到端解决方案。腾讯于2018年开始参与VVC标准制定,迄今为止已经向标准组织提交超过250个技术提案,其中约70个技术提案已被标准采纳。
编解码技术是数字时代视频应用不可缺少的环节,视频编解码的效率直接影响着一个产品或者一套解决方案的效率、成本、品质甚至是成败。
尽管压缩效率非常重要,但并不是所有人都在使用压缩效率最高的编解码格式,因为不同的应用场景对视频编解码器的需求侧重有所不同。腾讯杰出科学家、腾讯多媒体实验室总经理刘杉表示,在质量、延迟、带宽、成本之间寻找一个最优平衡点是我们努力的方向和目标。
腾讯杰出科学家、腾讯多媒体实验室总经理刘杉
同时AI也已经渗透到多媒体数据压缩、数据处理、数据传输整个链路中,例如数据处理中的,视频画面增强、降噪、锐化、超分、倍增等,以及数据压缩和传输的效率提升。
云游戏是以云计算为基础的游戏方式,在云游戏的运行模式下,所有游戏都在服务器端运行,并将渲染完毕后的游戏画面压缩后通过网络传送给用户。在客户端用户的游戏设备不需要任何高端处理器和显卡,只需要视频解压缩能力。
云游戏商业化面临一个挑战就是高成本,刘杉说道,其中最大的成本来自于带宽 34%,其次是GPU 27%。视频编解码器的优化将有助于大大降低云游戏的带宽成本,推动云游戏商业化。
到了5G时代,让更多应用触手可及,使得万物互联成为可能,在5G的影响下,媒体内容的生产、获取和传播方式都在发生变化。
“4K、8K、VR、AR、MR、点云在过去因为受限于网络带宽的应用,在5G的推动下可能会迎来突破。”刘杉说道,5G的低延迟特性还将触及医疗和其他一些倚赖高速连接和互动的领域,例如远程手术和自动驾驶。
互动沉浸式媒体也将在5G时代迎来爆发,其应用领域非常广泛,包括文旅、教育、影视、泛娱乐、安全、零售等很多垂直行业。
腾讯多媒体实验室也正围绕着腾讯的业务并在不同垂直行业进行应用。例如腾讯多媒体实验室与腾讯云合作的“一部手机游云南”项目,其提供了裸眼VR全景技术,结合白沙细乐、热美磋等多项云南非物质文化遗产内容,为云南旅游景点提供精细化导游导览方案。通过此项技术,游客可跨越时空限制,用一部手机即可随时随地观看演出,身临其境感受当地文化魅力。
多媒体实验室还联合腾讯视频和腾讯云推出AI智能云剪辑,在最短时间内将十一阅兵中精彩片段进行拆分和剪辑。腾讯多媒体实验室和腾讯云正在研发的智能场记解决方案,运用深度学习技术结合信号处理理论,对视频内容进行高级语义理解,并已经在体育赛事等场景取得阶段性成果。
好文章,需要你的鼓励
科技巨头IBM今日宣布推出新的区块链数字资产平台,专为金融机构和受监管企业设计。该平台名为"数字资产避风港",将为银行、企业和政府提供比特币、以太坊、稳定币和代币化资产的安全管理服务。平台由IBM与数字钱包基础设施提供商Dfns合作开发,支持超过40个公链和私链的全生命周期管理,并集成第三方身份验证和反洗钱合规工具。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
机器人可执行多种任务,但每个动作都需要专门训练,难以适应现实场景。Mbodi开发了云边混合计算系统,利用多个AI智能体协作,帮助机器人更快学习任务。用户可用自然语言下达指令,系统将任务分解为子任务并快速训练机器人。该公司入选TechCrunch Disrupt 2025创业大赛20强,目前专注于拣选包装领域,正与财富100强企业合作概念验证项目。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。