微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 两会现AI影像议题 影谱科技用技术助力媒体融合迈向纵深

两会现AI影像议题 影谱科技用技术助力媒体融合迈向纵深

2020-05-26 10:27
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2020-05-26 10:27 业界供稿

今年的政府工作报告提出,提高科技创新支撑能力。稳定支持基础研究和应用基础研究,引导企业增加研发投入。两会期间,提高科技创新支撑能力、加速人工智能应用落地成为代表热议的话题。

全国人大代表丁国林为人工智能进言献策:“我们要增强紧迫感和使命感,推动关键核心技术自主创新突破,以互联网思维探索人工智能技术转化运用,用主流价值导向驾驭‘算法’,。”

丁国林表示:“为适应信息主体视听化、网络视频爆发期大势,要更加有力推动AI影像技术的应用,更加精准促进媒体融合转型,更加迅速占领信息传播制高点,一是大力扶持相关技术企业,出台针对性减税降费政策;二是积极开放应用场景空间,合力做强媒体融合国家战略;三是成立产学研一体联盟,共同推动技术进步和业务应用。”

随着5G技术的大规模商用,视频流量将呈指数级增长,视频化表达已是大势所趋。但当前,我国媒体转型与发展正面临着发展瓶颈,主要表现在:低效率的视频生产方式制约了传统媒体向融媒体、智媒体转型;海量化的视频生产规模使内容审核更加复杂困难。

丁国林认为,AI 影像技术的赋能加持可以有效解决传统媒体发展瓶颈,也是实现媒体融合发展战略的必由之路。

目前,AI影像技术对于媒体融合潜力巨大、前景广阔,主要作用有5个方面:一是自动化生产,融合多模态图像识别、情感语境、关键帧捕捉等关键技术,自动化生产全新视频,极大缩短工时、降低成本;二是智能化识别,基于数据快速处理、视频智能识别,有效解决镜头提取准确率不高、类型识别不准、通用性差等问题;三是数据化挖掘,通过人工智能技术,盘活持续性海量视频资料,使其可搜索可随需提取,实现价值最大化;四是结构化服务,提供精确到帧的自动化视频结构化服务,实现视频、图片、声音等内容自动合规性审核;五是个性化推送,分析理解观众兴趣偏好,视频输出从常规单向输出变为按需求输出,更加贴合观众需求。

实际上,国内已经有企业正在利用AI影像技术服务于国家的“媒体融合”战略。作为国内典型的智能影像技术系统的开发者及提倡者,影谱科技(Moviebook)的智能影像系列方案可支持大批量数字内容视频化,融合多模态图像识别、情感语境、关键帧捕捉等关键技术,实现影像生产过程的自动化,提升视频生产效率,降低生产成本,在文娱、媒体、科教等行业得到大规模商用,并使影谱科技迈入中国计算机视觉市场第一阵营。

影谱科技创始人姬晓晨表示,“影像内容将是继文字、图片之后的主要信息载体,随着信息视频化提速,影像内容产制播将进一步向个性化和智能化演进,智能影像与机器影像并存。智能影像技术在流媒体领域的充分应用将推动‘个性化和互动性的智能内容将成为重要组成部分’,并已达到大规模应用的临界点”。

据悉,影谱科技开发了一套AI生成无限视频内容的技术引擎AGC,该技术可基于用户的喜好及技术应用者的需求自动生产符合场景需求的短视频、视频内片段、虚拟主持人等AI智能影像。该技术在很大程度上缓解了高质量内容生产力不足的情况。与单一业务流应用略有不同,Moviebook影谱科技聚焦于从内容创建到分发,形成以元数据为基本单位的一站式智能影像技术服务。面向传媒企业提供包括批量化创建智能影像、视频资产管理与分析、智能影像运营、再到智能视频商业化的全过程。

AI影像技术已成为人工智能在媒体领域的应用标杆之一,不仅能创建及优化内容本质,它还可以在定义“技术如何快速落地”方面发挥重要作用。除此之外,智能影像技术仍然充满了各种可能性。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-