每周一期，縱覽音視頻技術領域的干貨和新聞投稿：contribute@livevideostack.com。

架構

PSA: WebRTC M79 發布

更改統計信息方式并為 mDNS 增加企業級策略控制。

IP 攝像頭直播視頻流: RTSP 轉 WebRTC

Red5 Pro 介紹了他們的 Restreamer 插件。

運用機器學習技術的免費嬰兒監測系統，且能夠保障數據傳輸安全

該方案使用了 WebRTC 技術，能在檢測到嬰兒哭聲的同時過濾掉周圍所有其他噪音。

新浪微博：大規模離線視頻處理系統的架構設計

微博視頻平臺在4億月活用戶吃瓜嗨聊的高并發、大流量背景下，既要保證用戶微博生產和消費體驗，又要支持業務快速迭代，確保正確性、穩定性和高可用性。本次演將以微博視頻大規模視頻離線處理系統的架構設計為主題為大家帶來大規模分布式系統的架構設計，性能優化和高可用保障等一線實戰經驗。

傳輸網絡

基于IP的媒體直播協議

本文來自VSF.tv 2019年十月的演講，演講者是來自Telecompro.tv的Wes Simpson和來自Q3 Media的Ed Calverley. 本次演講的主要內容是關于現代IP音視頻網絡的關鍵技術，ST2110, AES67, PTP和NMOS，以及它們是如何共同作用以實現全IP直播的。

在通信約束下從樣本中學習分布

演講者在本文中介紹了不同的通信協議，首先是獨立協議，也就是每個節點單獨決定如何編碼產生這k比特，所以這些每個節點的信息都是獨立的隨機變量，這也是獨立協議名字的由來。第二種是順序協議，這種協議下節點可以進行一定程度上的交互。

各種TCP擁塞控制算法

自從TCP擁塞控制的概念提出以來，TCP擁塞控制算法經歷了一系列的演化。這里根據網上的資料大致總結一下各個TCP擁塞控制算法。

編解碼

淺析視頻編解碼技術的發展歷程和未來趨勢

視覺是人類獲取信息的主要途徑，圖像與視頻在人與計算機的交互過程中扮演著重要的角色。進入21世紀以后，人們面臨的是一個高速發展的信息化社會。數字化后的信息，尤其是數字化后的圖像和視頻信息具有數據海量性的特征，給數據存儲和傳輸造成了非常大的困難。基于現有的音視頻壓縮技術的不足，研究和開發新型有效的多媒體數據壓縮編解碼技術，以壓縮的形式存儲和傳輸這些數據刻不容緩。

SPRING—用于FASTQ數據的下一代壓縮器

本文是來自Stanford Compression Workshop 2019的演講，作者是來自斯坦福大學的博士畢業生，Shubham Chandak，他致力于基因組數據壓縮和DNA存儲方面的研究。本次演講主要講述了用于FASTQ數據的新一代壓縮器SPRING。

視頻技術

為您的 Squarespace 網站添加音視頻錄制功能?

我們需要更多這樣的能與網站建設者進行集成的功能。

既讓VR模糊后，Facebook：這次我們讓VR更清晰

近期Facebook Reality Labs再次公布了一項新的VR/AR視頻成像相關技術：DeepFovea。簡單來講，這是一個基于AI的注視點渲染方案，它可以通過較為稀疏的像素，來生成高清且逼真的圖像。

基于 Android 的可視頻控制的小車

由聲網 Agora 舉辦的首屆AI in RTC 大賽，已在10 月 24 日圓滿落幕。其中，參與創意編程賽道的 100 多支參賽隊伍在 3 個多月里揮灑創意與熱情，帶來了許多用心的項目。我們邀請了獲獎的參賽隊伍們，逐一分享了他們的開發實踐。buggy 團隊基于 Android 手機、開發板、傳感組件等，開發了一個可通過手機遠程控制，支持視頻的小車。

人物專訪

Akamai Martin Hor?i?ka：最新網絡優化技術及編程語言分析

在LiveVideoStackCon深圳站開場之前，我們邀請到了Akamai公司的研發經理Martin Hor?i?ka來接受我們的采訪，采訪中Martin向我們分享了他早期關于UNIX相關的OS、網絡和開發的工作以及對于近幾年編程語言發展的看法。除此之外Martin還提供了關于multi-connection和P2P的一些技巧，最后，Martin還談到了Akamai最近的項目在基于UDP的安全傳輸協議做一些優化。

張賢國：視頻壓縮還遠沒有達到最優

正如張賢國所說，V265在MSU視頻編碼大賽取得成績的背后是騰訊內部多團隊合作的結果。在視頻編碼優化這條路上還有許多工作要做，團隊合作就變得格外重要。本文是MSU2019視頻編碼大賽系列解讀的第一篇。

唐敏豪：我給MSU評測打9分

在唐敏豪看來，MSU視頻編碼大賽是目前業界規模最大的編碼器客觀評比平臺，對視頻編碼器的開發者和使用者都有很高的參考價值，但MSU的評測對于特定的業務場景不具有絕對的參考價值。

AI智能

NeurlPS 2019 | 曠視研究院推出可學習的樹狀濾波器，實現保留結構信息的特征變換

在圖像語義分割任務中，學習到有足夠判別力度的全局特征十分重要。現有大部分方法要么采用堆疊多層局部卷積層，要么使用非局部的block來獲取遠距離特征之間的語境。然而，由于這些方法都缺乏對空間結構信息的有效保留，在增大感受野的同時忽略了物體結構的具體信息。因此，在本文中，曠視研究院團隊提出了一個可學習的樹狀濾波器，它能夠在建模遠距離語境關系時依然保留細節信息。

深度學習在圖像處理的應用一覽

計算機視覺的底層，圖像處理，根本上講是基于一定假設條件下的信號重建。這個重建不是3-D結構重建，是指恢復信號的原始信息，比如去噪聲。這本身是一個逆問題，所以沒有約束或者假設條件是無解的，比如去噪最常見的假設就是高斯噪聲。

圖像

快速上手網易云音樂可視化

音頻可視化，顧名思義，就是通過獲取音頻的波形、頻率和其他來自音頻的數據轉換成圖像，再到屏幕上顯示出來。通過它，我們能夠制作一些炫酷的前端音樂界面。

資源推薦

Flutter實戰

一個基于 Flutter 的個人項目

活動推薦

硬派多媒體技術方案沙龍·2019深圳

從WebRTC、低延遲直播到邊緣計算，從編解碼Codec到AI加速，從全景視頻到沉浸式音頻，從5G到超高清，從金融、教育、制造等行業應用場景優化到QoE用戶體驗......硬派多媒體技術方案沙龍（Impact of Multimedia Technology Solution Meetup）旨在甄選技術領先、成熟的方案與案例，推動技術傳播，連接多媒體技術生態上下游。

Xilinx視頻加速技術專場

從AI到編碼、轉碼，硬件加速方案正在扮演越來越重要的角色。本專題，將展現基于FPGA的硬件加速特性，在視頻、圖片編碼與轉碼以及AI計算方面帶來的收益。

點擊“閱讀原文”可查看更多詳細信息，請大家科學上網。

總結

以上是生活随笔為你收集整理的音视频技术开发周刊（第122期）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。