每周一期，縱覽音視頻技術(shù)領(lǐng)域的干貨和新聞投稿：contribute@livevideostack.com。

架構(gòu)

基于WebRTC的云游戲解決方案和技術(shù)優(yōu)化
本次演講主要內(nèi)容將包括云游戲整體方案的架構(gòu)介紹、使用開Open WebRTC ToolKit (OWT)實現(xiàn)流和控制命令的傳輸，以及為實現(xiàn)云游戲所需的超低延遲所做的優(yōu)化。

傳輸網(wǎng)絡(luò)

靈魂一問：一個TCP連接可以發(fā)多少個HTTP請求？?
一道經(jīng)典的面試題是從 URL 在瀏覽器被輸入到頁面展現(xiàn)的過程中發(fā)生了什么，大多數(shù)回答都是說請求響應(yīng)之后 DOM 怎么被構(gòu)建，被繪制出來。

Demuxed 2019 演講視頻選

基于蘋果低延遲HLS的技術(shù)實踐/視頻指標(biāo)分析/無狀態(tài)音頻處理系統(tǒng)

• 第一場演講的演講者是來自M2A Media的Marina Kalkanis，演講者介紹了M2A 實時系統(tǒng)的工作流程組件，并給出了每個組件帶來的延遲。

• 第二場演講的演講者是來自Snap的Bendodson,演講主題是視頻指標(biāo)分析。演講者從Richard Feynman算法引入，說明了解指標(biāo)固有屬性的重要性，然后闡述了視頻啟動延時對用戶的影響，最后講述了解決棘手問題的方式。

• 第三場演講的演講者是來自Twitter的Michael Hill,演講主題是無狀態(tài)音頻處理系統(tǒng)。演講者首先對比了有狀態(tài)系統(tǒng)和無狀態(tài)系統(tǒng)的特點，接著說明了無狀態(tài)系統(tǒng)在Twitter實時系統(tǒng)中的應(yīng)用，具體講述了音頻處理器的工作流程，然后詳細介紹了客戶端和服務(wù)器端的工作，最后介紹了下一步的工作。

netflix公司在AV1上做的一些工作/強化學(xué)習(xí)在ABR中的應(yīng)用

• 第一場演講的演講者是來自Netflix的Guo LiWei和Andrey Norkin，首先LiWei介紹了Neiflix公司在編碼優(yōu)化方面做的一系列工作，包括07年的"One-size-fits-all"，15年的"Per-title"，16年的"Per-chunk"和17年的"Per-shot"編碼。然后介紹了他們對于AV1的關(guān)注點，包括根據(jù)內(nèi)容的優(yōu)化和基于"Per-shot"的壓縮。

• 第二場演講的演講者是來自Hotstar的Sahil Budhiraja，演講者首先介紹了ABR(Adaptive Bitrate Switching)，以及其最優(yōu)化QOE的目標(biāo)。然后介紹了最近的ABR算法，包括吞吐量估計、基于buffer的和混合的算法，這些算法都是啟發(fā)式的。

編解碼

關(guān)于VMAF，內(nèi)容感知編碼和無參指標(biāo)的思考
獨立于所使用的編碼器，內(nèi)容感知編碼（Content-Aware Encoding, CAE）和內(nèi)容感知傳輸（Context-Aware Delivery, ?CAD）代表了目前視頻流的最先進技術(shù)。

用Elevator優(yōu)化AV1視頻播放
AOM會員Vimeo通過Elevator改善AV1解碼過程中的丟幀和質(zhì)量下降問題。感謝Google軟件工程師姜健對本文做的技術(shù)審校。

新型試驗編碼工具簡述
本文是來自AOMedia 2019研討會上的演講，演講者是來自谷歌編解碼團隊的Sarah Parker。本文主要介紹了在現(xiàn)行AV1標(biāo)準(zhǔn)的基礎(chǔ)上，為下一代編碼器性能的優(yōu)化而提出的一些新型編碼工具和做出的一些嘗試，這些工具尚處于實驗階段。

使用基于分層深度學(xué)習(xí)的分塊預(yù)測加速VP9幀內(nèi)編碼
本文是來自AOMedia 2019 Research Symposium的演講，演講者是來自得克薩斯大學(xué)奧斯汀分校的Somdyuti Paul，題目是”Speeding up VP9 IntraEncoder with Hierarchical Deep Learning Based Partition Prediction”，主題是使用基于分層深度學(xué)習(xí)的分塊預(yù)測加速VP9幀內(nèi)編碼。

嗶哩嗶哩H.265編碼器在直播和點播的實踐和應(yīng)用
作為一個視頻網(wǎng)站，隨著B站的視頻種類的增多，網(wǎng)站的成本壓力增加，考慮到降低成本，就要選擇一個超低碼率的編碼器。本文來自B站視頻云技術(shù)部的技術(shù)專家葉天曉在LiveVideoStackCon2019北京站上的精彩分享，文章中詳細介紹了B站自研的H.265軟件編碼器(yhevc)研發(fā)歷程, 以及針對實際的點播和直播業(yè)務(wù)做的一些優(yōu)化與實踐。

音視頻封裝小總結(jié)（PS TS 和FLV）
PS、TS、FLV這三種簡單封裝格式，里面包含了對國標(biāo)流的PS流處理方法，同時解析了HLS的TS文件格式以及常用的FLV文件，更詳細內(nèi)容可參考文內(nèi)鏈接的往期文章。

感知優(yōu)化深度圖像壓縮
本文是來自alliance for open media research symposium2019的演講，作者是來自于UT Austin的PhD，Li-Heng Chen。本次演講主要講述如何在感知上優(yōu)化深度圖像壓縮。

視頻技術(shù)

視頻監(jiān)控攝像頭的互聯(lián)網(wǎng)化實踐思路

本文介紹了視頻監(jiān)控攝像頭的互聯(lián)網(wǎng)化實踐思路，本篇就拋磚引玉說下視頻監(jiān)控設(shè)備上云的一些實踐和思考。文章核心內(nèi)容大致分為下面幾個部分，為什么監(jiān)控攝像頭要上云？互聯(lián)網(wǎng)化？要上云怎么實踐？有哪些大坑需要填？未來這塊還有哪些改進空間和期待？

視頻體驗質(zhì)量指標(biāo)的標(biāo)準(zhǔn)

本文是來自MHV(Mile High Video)2019的演講，演講者是來自于Mux的Steve He?ernan。本次演講主要接受了CTA標(biāo)準(zhǔn)工作組R04 WG20 在視頻體驗質(zhì)量指標(biāo)標(biāo)準(zhǔn)上的近期工作。

Hangouts Meet 中的語音識別

關(guān)于谷歌 Meet 中語音識別工作原理的有趣分析 (涉及 data channel)

人物專訪

Beamr構(gòu)建的工具VISTA/內(nèi)容聚合和衡量OTT成功與否

• 第一段音頻的訪談?wù)逿amar Shoham是Beamr技術(shù)和算法VP，他們討論了Beamr構(gòu)建的一個工具VISTA，該工具使用眾包資源進行大規(guī)模ITU BT.500風(fēng)格的主觀質(zhì)量評價測試。

• 第二段音頻的訪談?wù)逥an Rayburn是流媒體專家，他們討論了Disney+、Quibi、HBO Max、Hulu、ViacomCBS以及即將推出的D2C對包括Netflix和付費電視運營商在內(nèi)的現(xiàn)任者意味著什么。

UHD的現(xiàn)狀/HEVC虛擬現(xiàn)實編碼的最新進展/P2P內(nèi)容分發(fā)

• 第一段音頻的訪談?wù)逿hierry Fautier是UHD論壇主席，他們討論了UHD的現(xiàn)狀以及UHD論壇為確保盡可能多的用戶獲得UHD體驗所做的工作。

• 第二段音頻的訪談?wù)逺ob Koenen是TileMedia的聯(lián)合創(chuàng)始人，他們討論了HEVC虛擬現(xiàn)實編碼的最新進展，探討了HEVC tile編碼、8K、高分辨率視頻的MP4元數(shù)據(jù)優(yōu)化等內(nèi)容。

• 第三段音頻的訪談?wù)逪adar Weiss是Peer5的CEO兼聯(lián)合創(chuàng)始人，他們討論了P2P內(nèi)容分發(fā)，以及他們的多CDN解決方案為何能夠成為全球最快的交付網(wǎng)絡(luò)之一。

如何確保交付的HDR視頻能提供最佳的消費者體驗/IP-Only如何在北歐建立領(lǐng)先的CDN業(yè)務(wù)/云游戲

• 第一段音頻的訪談?wù)呤莵碜訫ystery Box的Sam Bilodeau，他是一個HDR以及色彩專家，它同時具有HDR分發(fā)中的視頻采集，視頻處理和視頻編碼經(jīng)驗。

• 第二段音頻的訪談?wù)逬ohan Danckwardt是IP-Only的CDN負責(zé)人，他講述了IP-Only如何在北歐建立領(lǐng)先的CDN業(yè)務(wù)，為一些全球最大、最成熟的媒體公司和OTT服務(wù)商分發(fā)內(nèi)容。

• 第三段音頻的訪談?wù)逽haron Carmel是Beamr創(chuàng)始人兼CEO，他談到了云游戲，以及為什么他認為云游戲是推動視頻編碼技術(shù)發(fā)展的一個令人興奮的前沿領(lǐng)域。

VVC的新特點/主觀質(zhì)量評價對于視頻評估的重要性/從事視頻業(yè)務(wù)要了解標(biāo)準(zhǔn)

• 第一段音頻的訪談?wù)呤莵碜晕④浀腉ary Sullivan，他也是MPEG和ITU多媒體研究小組創(chuàng)建VVC的共同主席。VVC計劃于2020年發(fā)布，是繼HEVC之后的下一代標(biāo)準(zhǔn)，Gary Sullivan解釋了VVC的新特點和令人興奮之處。

• 第二段音頻的訪談?wù)呤莵碜訠itmovin的Richard Fliam，他解釋了除了客觀質(zhì)量評價，主觀質(zhì)量評價也是視頻評估的一個重要部分。

• 第三段音頻的訪談?wù)連ruce Devlin是SMPTE VP。技術(shù)標(biāo)準(zhǔn)如MXF、ST-2110、IMF等快速發(fā)展，隨著視頻技術(shù)和標(biāo)準(zhǔn)的不斷發(fā)展，有些標(biāo)準(zhǔn)是在傳統(tǒng)框架之外開發(fā)的。

AI智能

NeurIPS 2019丨是呆頭伯勞鳥還是南灰伯勞鳥？深度雙線性轉(zhuǎn)換幫AI準(zhǔn)確區(qū)分
雙線性特征在學(xué)習(xí)細粒度圖像表達上效果很好，但計算量極大，無法在深層的神經(jīng)網(wǎng)絡(luò)中被多次使用。因此，微軟亞洲研究院設(shè)計了一種深度雙線性轉(zhuǎn)換模塊，能夠深層地將雙線性表達應(yīng)用在卷積神經(jīng)網(wǎng)絡(luò)中，來學(xué)習(xí)細粒度圖像特征。這項工作發(fā)表在了 NeurIPS 2019 上。

顯著提升圖像識別網(wǎng)絡(luò)效率，Facebook提出IdleBlock混合組成方法
Facebook AI 近日一項研究提出了一種新的卷積模塊 IdleBlock 以及使用該模塊的混合組成（HC）方法。實驗表明這種簡潔的新方法不僅能顯著提升網(wǎng)絡(luò)效率，而且還超過絕大多數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索的工作，在同等計算成本下取得了 SOTA 表現(xiàn)，相信這項研究能給圖像識別網(wǎng)絡(luò)的開發(fā)、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索甚至其他領(lǐng)域網(wǎng)絡(luò)設(shè)計思路帶來一些新的啟迪。

圖像

全面梳理：圖像配準(zhǔn)綜述
圖像配準(zhǔn)與相關(guān)是圖像處理研究領(lǐng)域中的一個典型問題和技術(shù)難點，其目的在于比較或融合針對同一對象在不同條件下獲取的圖像，例如圖像會來自不同的采集設(shè)備，取自不同的時間，不同的拍攝視角等等，有時也需要用到針對不同對象的圖像配準(zhǔn)問題。

資源推薦

使用自己的數(shù)據(jù)集訓(xùn)練MobileNet、ResNet實現(xiàn)圖像分類
對MobileNet的圖像分類模型的訓(xùn)練。

點擊“閱讀原文”可查看更多詳細信息，請大家科學(xué)上網(wǎng)。

總結(jié)

以上是生活随笔為你收集整理的音视频技术开发周刊（第125期）的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。