AI Image Codec技术落地实践

AI Codec自2016年首次提出以来，众多海内外高校、企业研究院等机构对此展开了广泛研究。6年时间里，AI Codec 的SOTA方案的压缩性能已经超越了H.266(最新的传统Codec标准)，展现了强大的技术潜力。但受限于计算复杂度、非标等原因，AI Codec在应用落地方面的案例却屈指可数。LiveVideoStackCon2022北京站邀请了来自双深科技的田康为大家分享基于双深科技的AI Image Codec技术落地探索经验。

文/田康

编辑/LiveVideoStack

大家好，本次分享的主题为：AI Image Codec技术落地实践，主要将分三部分介绍我们在移动端方面取得的技术成果。第一部分介绍图像视频行业发展趋势和我们的理解；第二部分简单总结AI Codec发展；第三部分为重点，即AI Image Codec移动端落地实践。

-01-

图像视频行业发展趋势

首先介绍图像视频行业发展趋势，“我们身处图像数据大爆发的时代”可能已成为了一项行业共识。据我们从相关机构取得的调研数据显示，全球图片视频数据总量至2025年预计将超过140ZB，每年的数据复合增长率达到27%，这是一个很恐怖的数量级。随着近年来ChatGPT等技术的火爆，相信增长率还会进一步提升。

简单分析数据量迅速增长的原因：首先是在医疗、安防等应用场景下，影像数据按照国家政策要求需要长期或永久存储，导致数据积累量越来越大。第二是随着大众对高画质、高帧率等高质量视频需求的增长，导致数据密度提升。第三是随着视频数据在互联网、安防、无人机、云游戏（不同于传统游戏，过程中伴随着超大量视频传输）等等多种应用场景的拓展带来了数据量的巨量增长。

那么要高效运用这些数据必定伴随着压缩、传输和存储等底层技术的发展优化，我们认为压缩技术的提升是其中的关键，主要原因有三个：首先是带宽和存储的提升是有瓶颈的。其次针对野外巡检等特殊应用场景，增加带宽并不适用。第三是存储和带宽的提升并没有从根本解决传输数据量庞大这个问题。