深度学习算法可以去掉视频的缓冲轮,观看速度将变得更加流畅

当你在看视频的时候,不断地缓冲提示是不是让你感到很烦躁?麻省理工学院的研究人员正在用基于人工智能的流媒体算法开辟新的领域,这些算法可能会导致缓冲轮消失,让我们大胆地看到了视频流的未来。

最近的一项研究表明,近70%的网络内容是流媒体视频和音频,流媒体是否需要缓冲,这一点比以往任何时候都更重要。幸运的是,麻省理工学院的研究人员正在用基于人工智能的流媒体算法开辟新的领域,这些算法可能会导致缓冲轮消失,让我们大胆地看到了视频流的未来。

在过去的5年里,视频流呈现爆炸式增长。像Netflix、亚马逊、谷歌这样的流媒体巨头都在为原创的和有版权的流媒体内容注入资源,试图从传统的电视网络中赢得观众。因此,越来越多的消费者放弃他们的高价有线电视合同,选择流媒体服务。

由于潜在的大量娱乐产业,这些服务正在投资于解决研究人员所谓的“视频问题”。流媒体对互联网带宽的要求很高,而观众对像素化、缓冲、停滞视频和长时间加载的容忍度也越来越低。

ABR算法 视频是数据最密集的互联网功能之一,如果每一个视频都被加载,那么加载视频对每一个互联网用户来说都将大大超过可用带宽。几年前,流媒体服务采用了一种叫做自适应比特率(ABR)的智能算法。这种算法有选择地根据网络条件加载视频;这就是为什么YouTube视频上的加载条永远不会比你当前的观看进度要移动地更超前。

ABR算法有两种主要的类型。基于速率的算法可以测量连接速度,并相应地改变视频加载质量。基于缓冲的ABR算法可以保留一定比例的未观看视频。这些ABR算法基本上都与视频流的流量保持同步,但仅在YouTube上每天就有超过10亿的流媒体流量,而下一代的流媒体算法早就应该出现了。

AI-powered流媒体服务 麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员正在响应全球对更好的流媒体质量的要求,采用了一种新的算法,利用人工智能来提高负载率并减少缓冲。这项名为Pensieve的技术,可能会彻底改变流媒体娱乐市场。

每个人的网络环境都略有不同,而且在不断变化。你的网速会受到你周围所有人的影响,为像ABR这样的预测算法创造一个混乱的环境。使用机器学习对不断变化的环境作出反应,Pensieve可以更智能而不是更困难的工作。

Pensieve的工作原理是“奖赏”和“惩罚”。当视频加载顺畅时会给予奖励,而流媒体中断时就会受到惩罚,Pensieve可以模拟神经网络,并学习如何更好地加载视频。该系统将视频流的播放率提高了10%到30%,而且观众预估综合质量会比当前的算法高10%到25%。

像ABR这样的传统算法依赖于人类的专家知识来发挥作用。麻省理工学院的研究团队相信Pensieve可以自行完成这项工作。该团队通过挑战现实世界的场景,向其人工智能算法管理者发送了一个挑战,并有意将其暴露在未知的网络环境中,以测试其适应能力。

Pensieve在每一个场景中都进行了处理,保持了与传统的流媒体算法一样的视频分辨率,但却没有那么多的缓冲。“这种压力测试表明,它可以在现实世界中适用于新的场景,”麻省理工学院的一名成员Hongzi Mao说道。Pensieve也是第一次尝试; 随着深度学习算法的进步,改进只会随着时间的推移而增加。

Netflix深入挖掘深度学习 麻省理工的算法是一个游戏规则的改变者,但在对抗缓冲的战斗中,他们并不是唯一的一个。在2017年初,Netflix推出了基于人工智能的算法。这个名为动态优化器(Dynamic Optimizer)的新系统,实时分析视频帧,并选择性地压缩每一个场景,以获得较慢的连接速度。

这种新式算法非常智能,能够区分视频内容的类型。电影的动作场面会增加比特率,而更简单的动画内容的比特率则会被缓和。其结果对所有用户都是稳定流,特别是那些经常遇到缓慢连接的用户。

人工智能也为流媒体视频的受众带来了革命性的变化。并不是所有的“权力的游戏”的观众都喜欢看“生活大爆炸”,所以Netflix最新的人工智能算法想找到原因。他们正在为其官网主页和“建议的标题(suggested titles)”开发算法,利用机器学习来了解你的喜好,这是前所未有的。此外,通过使用深度学习和模拟神经网络,Netflix的算法可以获得新的模式,从而缩小每个用户的偏好范围。

流媒体的未来 AI-powered算法正在为视频流的下一代内容打开新的大门。虚拟现实耳机和4K视频正处于主流娱乐的视野,但目前的流媒体算法根本无法跟上这些技术更高的比特率要求。

通过以人工驱动的流媒体管理,整个网络的效率将会提高。流媒体正在接管娱乐业,而像麻省理工学院的Pensieve这样的人工智能算法正在大规模地协助接管。随着流媒体视频在互联网流量中占据越来越大的比重,人工智能也在及时地出现,以帮助视频流继续增长。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-10-27

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏灯塔大数据

观点|打车不再加价?大数据说可以有

高峰期打车的供求关系不均衡的问题,一直被诟病。是否可以把打车看成一个推荐系统和一个广告系统,通过预估转化率,结合乘客的竞价来分配给相应的司机呢? ? 起晚了,...

3344
来自专栏FreeBuf

企业安全团队强大与否,看这八个关键指标

? 概述 安全人员喜欢用一些比较消极的方法来防御恶意攻击,比如“没有消息就是最好的消息”(此说法源自美国南北战争时期,由于打战死人后,家人都要收到阵亡通知书,...

1815
来自专栏SDNLAB

应用驱动网络(ADN)开启用户体验新时代

未来网络的核心挑战是如何解决网络架构制约商业模型创新的问题。 运营商的收益依赖于用户规模,用户增长面临瓶颈。互联网最初架构的思想就是为了流量而建网,并不考虑不...

3609
来自专栏网络

HTTPS环境DNS优化:美图App请求耗时节约近半案例

移动互联网时代,APP 厂商之间的竞争非常激烈,而良好的用户体验是必须优先考虑的,美图产品以高颜值著称,对产品的用户体验非常重视。从技术的角度来看,客户端的体验...

23710
来自专栏ThoughtWorks

数字化企业的交付基础设施 | 洞见

在前文中我们说到,传统企业在逐步建设自己的数字平台过程中,需要抓住交付基础设施、API和架构治理、数据自服务、创新实验基础设施和监控体系、用户触点技术这五个支柱...

3405
来自专栏PPV课数据科学社区

大数据落地不妨从Call Center数据开始

  Hadoop、YARN、全数据分析、数据建模等这些大数据名词纷至沓来时,不由你漠视大数据的趋势。但趋势归趋势,当你着手大数据应用时,从何着手就成为了一个非常...

2816
来自专栏云计算D1net

物联网架构是否可以运行在云端?

从智能恒温器到健身追踪器,物联网设备在人们的日常生活中已经司空见惯。这些连接网络的设备收集,处理和共享人们周围物理世界的数据,以帮助人们的生活更轻松,更美好。 ...

3208
来自专栏ATYUN订阅号

Nvidia和NetApp公开面向企业的AI数据平台Ontap AI

人工智能不仅仅与算法有关。一些人认为,接受训练的数据比模型本身更重要,这也是IDC预测到2020年将创造超过44个zettabyte数字数据的原因之一。值得庆幸...

603
来自专栏大数据文摘

云时代的应用性能管理(APM)

2587
来自专栏PPV课数据科学社区

【技术】图示大数据基本架构

大数据数量庞大,格式多样化。大量数据由家庭、制造工厂和办公场所的各种设备、互联网事务交易、社交网络的活动、自动化传感器、移动设备以及科研仪器等生成。它...

2633

扫描关注云+社区