![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/13dd546ca5e770984d7f0e39a5125bab.jpeg)
(图片付费下载自视觉中国)
文 / LiveVideoStack主编 包研
在8月的LiveVideoStackCon2019北京开场致辞中,我分享了一组数据——把2019年和2017年两场LiveVideoStackCon上的AI相关的话题做了统计,这是数字从9.3%增长到31%,超过三成的大会演讲内容与AI相关。多媒体技术生态只是真实世界的缩影,反映出AI正在与各行业、各种结束结合。包括CSDN在内,大大小小的机构推出各种AI学习课程、图书正迎合了这一趋势。
相对而言,AI的学习曲线比较友好,上手相对容易,只要会Python或其他高级语言,掌握1-2个机器学习的框架,可以很快跑出结果。不过学习多媒体就没那么美好了,据说搞多媒体的研究生,先要用1-2年把H.264标准通读并理解,真正的研究还没有开始。我相信,同等水平的学生用同样的时间去搞AI,出几个paper,拿若干大厂的offer是可能的。我记得在4月的LiveVideoStackCon上海大会上,一名北大的教授就感叹:
你只要想多媒体技术,学编解码,别说是数学专业的,就算是英文专业、历史专业的我也收。
那么AI与多媒体技术有哪些结合的地方呢?
内容理解:AI内容理解并不限于生成封面图,精彩剪辑,或者只看某个角色的镜头,这在内容推荐、广告平台有帮助。
此外,内容理解还能帮助更好的处理视频,比如可以针对不同的视频内容选择不同的Codec,以及相关的编码工具。
图像增强:比如,将SDR转换为HDR视频,视频超分(将720p变成1080p),每秒30帧视频变换为每秒60帧等等。
AI与ABR:AI的出现可以进一步提升ABR的效果,最著名的要数MIT提出的Pensieve
。
语音识别与语音合成:从Siri到小冰,从智能手机到智能音响,语音识别已经无处不在。
而语音合成则是让电脑把文本变成语音,比如Google开源的Tacotron
已经可以实现99%的人声还原。
回声消除:在一些低端的Android设备上,如果只有一个麦克风就需要利用AI来帮助消除回声,效果非常不错。
声纹——人声识别与音乐识别:DNN可以掌握更多的声音特征,从而降低风险。
而在音乐识别方面则没有那么高风险,各大音乐App都集成了相关的功能。
在LiveVideoStackCon 2019深圳上,自然少不了AI相关的话题:
香港城市大学计算机科学系助理教授王诗淇——基于视觉感知特性的视频编码
51talk高级技术总监陈靖——深度学习在语音降噪中的应用
网易易盾 资深算法专家李雨珂——音视频内容审核中的人工智能
相芯科技 资深图形引擎开发经理蔡锐涛——AI驱动的沉浸体验新玩法
学而思网校技术总监李金瑞——学而思网校QoE优化实践
了解更多讲师信息可点击
阅读原文
,使用邀请码【CSDN】购票更可获得惊喜优惠!