7月5日,由莫斯科国立大学举办的MSU2022世界编码器大赛硬件编码器成绩全部揭晓。快手StreamLake首款自研智能视频处理芯片StreamLake-200(SL200)夺得4K和1080P赛道24项指标中的16项第一。
据悉,这是快手StreamLake首次参加MSU世界编码器大赛,在全部6个子赛道中斩获5个“最佳ASIC编码器”称号,标志着SL200芯片在高密度、高质量及超高质量下均达到业界领先水平。
MSU大赛在视频压缩领域极具影响力,至今已连续举办了十七届,吸引了国内外多家知名科技企业和组织参赛。本次MSU2022世界编码器大赛硬件编码器赛道共有14个国内外企业参赛,包括腾讯、字节跳动、Intel、英伟达、AMD等。比赛分为4K30fps、4K60fps、4K120fps、1080P60fps、1080P120fps、1080P240fps共6个子赛道,快手StreamLake参加了全部硬件赛道比赛。
随着视频行业的发展,4K超高清在短视频、长视频、广电、高质量监控等领域的应用越来越广泛。在多年积累的基础上,SL200芯片采用了多项快手自主创新技术,对4K/8K超高清视频进行了针对性的优化,实现了业界领先的清晰度和流畅度,并达到极高的编解码密度。本届MSU比赛中,SL200芯片在1080P和4K两个赛道都斩获佳绩,显示了该芯片广泛的实用范围,将对我国未来智能视频行业的发展起到基石的作用。
该SoC芯片集成了快手领先的视频编解码、图像处理、AI推理、内容自适应编码等关键技术,具备高质量、高密度、智能化的特点。SL200芯片于2022年6月流片成功之后,快手团队设计研发了基于该芯片的板卡和服务器系统,并完成了数月的大规模灰度和压力测试,目前正逐步全面应用于快手短视频和直播业务,并已对外开放测试,联合多家合作伙伴共同探索更为广阔的应用场景。
目前,直播和短视频已经成为了视频消费中的重要部分,意味着视频流量迎来快速增长以及带宽成本不断增加。SL200芯片具有“高编码质量+高密度”的特性,可极大限度降低带宽成本,同时提供行业领先的编码质量。其中,高编码质量相比x265 medium节省约30%码率,另外支持画质增强;高转码密度方面,单卡(2颗芯片)支持8路4K60fps编码,还支持“一进多出”的转码模式。
随着4K/8K超高清视频被广泛应用于大型赛事、重要活动的直播/转播之中,为了提供更好的用户体验,广电行业在质量、稳定性、密度方面都对视频转码方案提出了更高的要求。SL200芯片凭借"AI+高质量视频编码"特性,相比国内某头部广电编码器厂商可以节省约40%的码率。另外SL200芯片提供了ABR、CBR、CRF三种码控方案以应对有线电视、IPTV、OTT和新媒体场景对于码率控制的诉求。
而在云游戏场景下,对延时有着极高要求,例如射击类游戏,对操作精准度有很高要求,通常需要将游戏响应延迟控制在50ms以内;VR等肢体配合类游戏,整个游戏链路延迟需要低于25ms。在整个云游戏的延迟通路中,通常对视频编码延迟的要求是控制在6ms内。SL200芯片具有“低延迟+更好的编码质量”的特性,在4ms的超低延时下,可以获得1080P超清画质,并且相比某主流GPU在可节省约14%的码率。
此外,快手StreamLake搭建了基于SL200芯片的视频基础设施,正式发布StreamLake硬件编码器产品,利用快手领先的视频编解码及增强和修复算法,帮助客户提升多媒体处理环节的质量与效率,可应用于IPTV、OTT、广电、智能监控、互联网视频直播等多个领域的超高清直播平台建设及视频压缩编码。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。