點擊上方“LiveVideoStack”關(guān)注我們

策劃：包研、Alex

編輯：Alex

張昊

年終訪談

#002#

編者按：本周是2021年的最后一周，在這個迎接新年的日子里，LiveVideoStack有幸邀請到了中南大學(xué)計算機(jī)學(xué)院張昊教授參加我們的年終訪談。過去的十余年時間里，張教授一直致力于視頻編碼技術(shù)的研究，曾發(fā)表期刊會議論文共50余篇，擁有專利60余項（授權(quán)或申請），主要研究領(lǐng)域包括視頻編解碼、基于深度學(xué)習(xí)的圖像視頻處理、視頻分析等。在此次與LiveVideoStack的對話中，張教授分享了他對音視頻技術(shù)發(fā)展與未來創(chuàng)新、元宇宙、音視頻人才培養(yǎng)和技術(shù)學(xué)習(xí)等話題的看法和感悟。

中南大學(xué)計算機(jī)學(xué)院教授? 張昊

LiveVideoStack:?張教授，歡迎您參加訪談，請您向我們的讀者簡單介紹一下目前您所關(guān)注的技術(shù)。

張昊：很榮幸有機(jī)會參加LiveVideoStack的訪談。目前我主要關(guān)注基于深度學(xué)習(xí)的圖像視頻編碼和前后處理技術(shù)。另外，還在關(guān)注面向VR/AR的相關(guān)編碼和處理技術(shù)。我還在參與一些與視頻分析相關(guān)的應(yīng)用研究。

LiveVideoStack:?回顧近幾年的音視頻技術(shù)發(fā)展，有哪些創(chuàng)新技術(shù)令您印象深刻？

張昊：最早接觸的音視頻技術(shù)是H.264視頻編碼。我覺得H.264標(biāo)準(zhǔn)的制定對視頻應(yīng)用有重要的影響。另外，可伸縮視頻編碼結(jié)合相關(guān)傳輸技術(shù)，極大提升了互聯(lián)網(wǎng)上的視頻會議質(zhì)量。

LiveVideoStack:?您目前關(guān)注的音視頻技術(shù)應(yīng)用場景有哪些？能否具體說說？

張昊：我目前比較關(guān)注的應(yīng)用場景有：基于AI的視頻處理、基于AI的視頻編碼器參數(shù)優(yōu)化、基于人臉關(guān)鍵點AI編碼的視頻會議、三維視頻會議、云端渲染和編碼（或者混合渲染）、虛擬人技術(shù)等。感覺這些方向在未來可能會有一些真正廣泛應(yīng)用的技術(shù)或產(chǎn)品出來。

LiveVideoStack:?張教授，您在加入中南大學(xué)之前，曾在美國的Vidyo公司工作過。據(jù)您觀察，中外的視頻技術(shù)發(fā)展有哪些不同？?

張昊：我只在這一家公司工作過，所以對這個話題還沒有太多發(fā)言權(quán)。不過我回國后跟國內(nèi)企業(yè)進(jìn)行校企科研合作比較多，個人感覺國內(nèi)的視頻人才越來越多，不少國外知名企業(yè)的技術(shù)骨干都回國創(chuàng)業(yè)或者加入國內(nèi)企業(yè)。我對視頻編碼這個方向稍微了解多一點，感覺這方面國內(nèi)的技術(shù)研發(fā)實力是很強的，在國際上也是很有競爭力的。

LiveVideoStack:?元宇宙是今年大熱的話題，Facebook前段時間也更名“Meta”，變身元宇宙公司。對于元宇宙，您是如何理解的？?

張昊：網(wǎng)上很多人都針對元宇宙談過自己的看法。我個人的理解就是元宇宙是結(jié)合VR/AR等技術(shù)，對網(wǎng)絡(luò)時代社交的一次全面升級。未來的元宇宙是什么形式，是否包含多種應(yīng)用，哪些應(yīng)用可以普及，現(xiàn)在都難以預(yù)測。我現(xiàn)在更關(guān)心那些可以相對較快落地的技術(shù)，比如VR/AR編碼技術(shù)，虛擬人技術(shù)等。

LiveVideoStack:?對于音視頻技術(shù)的未來發(fā)展，還可能會有哪些令人期待的創(chuàng)新？在AI與視頻編碼技術(shù)結(jié)合上，未來有可能會出現(xiàn)哪些突破？

張昊：我非常期待基于AI的圖像視頻編碼技術(shù)的創(chuàng)新。目前基于傳統(tǒng)視頻編碼框架提升壓縮率已經(jīng)越來越困難，我們期待一個新的框架。目前AI視頻編碼還達(dá)不到最新傳統(tǒng)編碼標(biāo)準(zhǔn)（比如VVC）的水平，但是這個方向最近不斷有新的研究成果發(fā)布出來，相信性能提升會加快。要是未來AI編碼成為業(yè)界廣泛采用的方案，那編碼器的優(yōu)化可能會需要與以往不同的技術(shù)。當(dāng)然，在完全的AI編碼成為現(xiàn)實之前，可能會有一個中間狀態(tài)，比如結(jié)合傳統(tǒng)架構(gòu)和AI模塊的編碼技術(shù)和標(biāo)準(zhǔn)。這要求編碼工程師既要懂傳統(tǒng)編碼，也要了解AI的相關(guān)知識。

目前端對端的AI+視頻編碼，雖然成果不斷涌現(xiàn)，但是短期內(nèi)可能還很難大幅度超過VVC的性能。但基于傳統(tǒng)編碼框架，加入一些編碼效率更高的AI模塊（比如濾波、預(yù)測），是有可能在短期內(nèi)提升壓縮率的。因此我看好基于傳統(tǒng)編碼框架+AI這條思路的技術(shù)進(jìn)展。

LiveVideoStack:?我們前段時間做了一個程序員35歲的采訪，大家都提到音視頻領(lǐng)域人才稀少的情況。作為一名大學(xué)教授，您能否從您的角度談?wù)勔粢曨l技術(shù)領(lǐng)域人才供給？

張昊：這幾年隨著4G普及而引發(fā)直播、短視頻大熱，導(dǎo)致企業(yè)對音視頻領(lǐng)域人才的需求增加。然而從事音視頻領(lǐng)域研究的老師較少，每年畢業(yè)的碩士博士也不多，因此目前音視頻人才是供不應(yīng)求的。如何增加音視頻人才供給，我個人覺得可以從以下三個方面著手：一是可以從國外引進(jìn)人才（目前其實已經(jīng)有不少海歸加入國內(nèi)企業(yè)或高校）；二是跟高校音視頻領(lǐng)域的實驗室保持聯(lián)系，為這些實驗室的研究生提供實習(xí)機(jī)會；三是在企業(yè)內(nèi)部培養(yǎng)人才，即對專業(yè)背景相關(guān)（比如圖像處理背景）的工程師進(jìn)行培訓(xùn)，從而緩解企業(yè)缺乏音視頻人才的問題。

LiveVideoStack:?對于未來想從事音視頻技術(shù)工作的同學(xué)，您有哪些建議？?對于想要入門音視頻技術(shù)的同學(xué)，您有哪些學(xué)習(xí)資料可以推薦？

張昊：未來想從事音視頻技術(shù)工作的同學(xué)，首先需要選擇細(xì)分方向。音頻和視頻方向區(qū)別是比較大的，視頻技術(shù)又可分成視頻傳輸、視頻編碼等方向。這些方向需要掌握的背景知識不同，我只能針對自己比較熟悉的視頻編碼方向推薦一些學(xué)習(xí)方法：首先可以找一本264/265/266的入門書籍，然后結(jié)合標(biāo)準(zhǔn)軟件JM/HM/VTM學(xué)習(xí)整個編碼流程和其中關(guān)鍵模塊。光看書和讀代碼顯然是不夠的，可以選擇自己感興趣的模塊，找2篇論文，自己在JM/HM/VTM軟件中實現(xiàn)文中算法，以加深對細(xì)節(jié)的理解。網(wǎng)上有大量博客對各模塊（比如模式選擇、運動估計、碼控）進(jìn)行了詳細(xì)介紹，可以作為學(xué)習(xí)中的參考資料。鉆研得比較深的同學(xué)也可以研究一下標(biāo)準(zhǔn)文檔。學(xué)習(xí)音視頻技術(shù)是一個循序漸進(jìn)的過程，只能先了解整體架構(gòu)，然后把1-2個模塊搞熟，再慢慢學(xué)習(xí)其他部分。祝同學(xué)們學(xué)習(xí)順利！

---

掃描圖中二維碼或點擊閱讀原文

了解大會更多信息

喜歡我們的內(nèi)容就點個“在看”吧！

超強干貨來襲 云風(fēng)專訪：近40年碼齡，通宵達(dá)旦的技術(shù)人生

總結(jié)

以上是生活随笔為你收集整理的中南大学张昊：我非常期待基于AI的图像视频编码技术的创新的全部內(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。