作者|?阿里文娛高級(jí)技術(shù)專家 伊耆

責(zé)編 | 屠敏

頭圖 | CSDN 下載自東方 IC

出品 | CSDN（ID：CSDNnews）

當(dāng)5G來了，視頻還是平面的影像嗎，只能靜靜觀看嗎？一定不是！現(xiàn)在，你可以像玩游戲一樣，參與到視頻內(nèi)容當(dāng)中，還能體驗(yàn)新的播放形式，比如發(fā)AI彈幕、猜劇情、橫豎屏隨意旋轉(zhuǎn)，立體的觀看進(jìn)球一瞬間，看到屏幕之外的更大畫面等等。這背后的技術(shù)是如何實(shí)現(xiàn)的，未來有哪些新交互方向？

在GMIC智慧文娛技術(shù)專場(chǎng)上，阿里文娛高級(jí)技術(shù)專家伊耆分享了如何利用終端設(shè)備的交互特性，結(jié)合內(nèi)容和算法，所實(shí)現(xiàn)的新觀影模式的探索。同時(shí)結(jié)合5G網(wǎng)絡(luò)和邊緣計(jì)算所做的云渲染技術(shù)預(yù)研。

主要分為四部分：

• 一是視頻和游戲的共性和差異，如何看待兩者？

• 二是視頻場(chǎng)景結(jié)合內(nèi)容、算法探索播放新交互模式

• 三是結(jié)合 5G、邊緣計(jì)算和立體視覺的云渲染技術(shù)

• 四是未來的思考和總結(jié)

為什么做播放交互探索？視頻和游戲的共性和差異

為什么要做新交互？其實(shí)用戶在文娛消費(fèi)體驗(yàn)上，尤其在視覺體驗(yàn)上，主要集中在兩個(gè)領(lǐng)域，一是視頻，一是游戲。我們?cè)谒伎记腥朦c(diǎn)時(shí)，更多是關(guān)注兩者之間的共性和差異，尋找結(jié)合點(diǎn)。

首先回想一下，你在玩游戲是一種什么樣的體驗(yàn)？網(wǎng)上有很多類型的游戲，休閑類、益智類、競(jìng)技類等等，我們可以發(fā)現(xiàn)游戲的特點(diǎn)是交互性越強(qiáng)，競(jìng)技屬性越強(qiáng)；交互屬性越弱，休閑體驗(yàn)越強(qiáng)。視頻的本質(zhì)相同，在一個(gè)純被動(dòng)觀看的過程中，內(nèi)容本身會(huì)帶來感官刺激，但更多體現(xiàn)在休閑上。但隨著交互屬性的加入，比如當(dāng)視頻引入VR/AR等互動(dòng)后，其形態(tài)也更趨于游戲化，更像是一種休閑類的游戲。也就是視頻的“內(nèi)容屬性”與游戲的“交互屬性”結(jié)合，最終它可能就變成一個(gè)像游戲化的視頻了，用戶會(huì)獲得比較強(qiáng)的沉浸式的感覺。

?

視頻場(chǎng)景結(jié)合內(nèi)容、算法探索播放新交互模式

視頻 1

視頻 2

參考優(yōu)酷在互動(dòng)劇的嘗試，我們?cè)诓シ藕徒换ヮI(lǐng)域的結(jié)合也做了非常多的探索。先看2個(gè)視頻。視頻1是常規(guī)的旋轉(zhuǎn)，體驗(yàn)還算順滑；視頻2是加入算法后的策略，在旋轉(zhuǎn)過程中，畫面始終是平穩(wěn)的，甚至用戶在橫移手機(jī)時(shí)，可以在屏幕中看到更多的畫面，這也是初步嘗試。

以旋轉(zhuǎn)的視頻為例，形式上看似簡(jiǎn)單，但它背后也有很多技術(shù)點(diǎn)：

1、旋轉(zhuǎn)手機(jī)時(shí)，不丟失畫面中心。我們看視頻時(shí)，視線往往會(huì)聚焦在一個(gè)中心人物，或是一個(gè)場(chǎng)景中心。當(dāng)手機(jī)旋轉(zhuǎn)，自然也不希望丟失視覺的中心點(diǎn)。所以需要一套算法去識(shí)別觀影中心點(diǎn)。在此基礎(chǔ)上，通過服務(wù)鏈路去打通，將算法和視頻畫面聯(lián)合下發(fā)到端側(cè)，并將數(shù)據(jù)和畫面進(jìn)行綁定，同時(shí)在用戶旋轉(zhuǎn)手機(jī)時(shí)，通過對(duì)手勢(shì)的監(jiān)測(cè)選擇對(duì)應(yīng)的畫面中心點(diǎn)，并進(jìn)行畫面的放大、縮小或平移。

2、基于原始的大量數(shù)據(jù)樣本，做算法模型訓(xùn)練，得到對(duì)于視頻畫面區(qū)域熱度算法的模型。由于視頻是一個(gè)連續(xù)過程，我們需要對(duì)鏡頭的切換做平滑處理，結(jié)合算法生成一個(gè)原始的算法數(shù)據(jù)。

3、將算法數(shù)據(jù)和視頻內(nèi)容做關(guān)系綁定，并下發(fā)到端側(cè)。這樣在端側(cè)就同時(shí)具備算法的數(shù)據(jù)和實(shí)際播放的視頻數(shù)據(jù)。在播放進(jìn)程中，我們需要獲取旋轉(zhuǎn)-陀螺儀傳感器的輸入，也會(huì)利用降噪算法過濾躁點(diǎn)，根據(jù)用戶的旋轉(zhuǎn)角度，結(jié)合當(dāng)前視頻畫面，將算法數(shù)據(jù)和畫面本身綁定，找到畫面中心點(diǎn)，做相應(yīng)處理，最終渲染到屏幕上。

以上是大致實(shí)現(xiàn)思路，在落地過程中，我們也面臨不少挑戰(zhàn)，最突出的是算法與傳統(tǒng)圖像處理算法不同。普通的圖像處理多是基于單張圖片，而視頻本身是多幀的，而且每個(gè)視頻幀間是連續(xù)性的。同時(shí)在識(shí)別過程中，尤其對(duì)于運(yùn)動(dòng)場(chǎng)景、切換鏡頭的場(chǎng)景，普通算法的識(shí)別焦點(diǎn)是存在偏差的，甚至識(shí)別不到，所以我們需要新的處理。

在算法設(shè)計(jì)上，采用鏡頭分割方式，區(qū)分不同的場(chǎng)景鏡頭，然后對(duì)于每個(gè)鏡頭，我們認(rèn)為是畫面是連續(xù)的。這部分，我們結(jié)合現(xiàn)有成熟算法，融入自己的技術(shù)探索。

首先，在看畫面時(shí)，人眼睛會(huì)聚焦在人臉、人體，這些點(diǎn)的區(qū)域熱度是比較高的，將些場(chǎng)景樣本作為模型訓(xùn)練數(shù)據(jù)，同時(shí)視頻本身還有部分字幕，也需要去除、識(shí)別和檢測(cè)的處理。綜合這一系列的檢測(cè)內(nèi)容，最終把一幀幀畫面看成一個(gè)連續(xù)的軌跡，做聚類，形成一個(gè)角色或者是一個(gè)熱度點(diǎn)的軌跡；集合多個(gè)鏡頭，形成一個(gè)視頻區(qū)域熱度算法的數(shù)據(jù)，然后下發(fā)到端側(cè)。

其次，有了算法數(shù)據(jù)，在端側(cè)更多是如何處理端上傳感器，處理算法數(shù)據(jù)和視頻之間的同步問題。

以上是我們現(xiàn)階段的嘗試，同步也在做其他嘗試，在不遠(yuǎn)的未來也會(huì)逐步上線，大家很快就體驗(yàn)到。

基于 5G 的云渲染

在現(xiàn)有場(chǎng)景上，算法數(shù)據(jù)是基于原始視頻進(jìn)行識(shí)別，由于中間需要預(yù)生產(chǎn)過程，這就局限了它更多是在點(diǎn)播場(chǎng)景中。

如果不做預(yù)生產(chǎn)，而在端側(cè)進(jìn)行，則會(huì)產(chǎn)生識(shí)別的速度不夠，效率底的問題，以及在不一樣的交互時(shí)，處于實(shí)時(shí)性的訴求，本身對(duì)端側(cè)算力是非常大挑戰(zhàn)。結(jié)合5G的發(fā)展，我們?cè)O(shè)計(jì)出云渲染方案。首先看兩個(gè)視頻：

視頻3

視頻3在電腦上，可以認(rèn)為它是一個(gè)云端主機(jī)，在云端是一個(gè)高清畫質(zhì)。而在手機(jī)端，用戶真正看到畫面，只是云端畫面的一部分。為什么這樣設(shè)計(jì)？

視頻4

視頻4是6DoF視頻，用戶可以通過手勢(shì)旋轉(zhuǎn)，從各角度看到不一樣的視角。

6DoF視頻的本質(zhì)是，用戶看到的某些角度的視頻，其實(shí)是很多角度拼合的畫面，用戶在選擇某一角度時(shí)，我們經(jīng)過截取，提取其中兩個(gè)畫面，通過算法虛擬生成，一個(gè)用戶觀看角度的這么一個(gè)畫面，然后下發(fā)到端側(cè)。

6DoF視頻的某一幀，真實(shí)畫面本身是非常大的畫面，8k甚至11k。用戶端看到是其中一部分，720p或1080p，其對(duì)應(yīng)的VR場(chǎng)景也類似。

挑戰(zhàn)是什么？用戶觀看VR全景視頻時(shí)，本質(zhì)是4k甚至8k視頻，但用戶在每一個(gè)視角上看到的點(diǎn)，可能只有720p甚至更低。想看更高清的畫質(zhì)，就必須提升畫面的大小。如果我們希望要看到4k畫面，原始畫面要達(dá)到8k，甚至更高。

8K畫面下發(fā)到端側(cè)是無法解決問題的。一是芯片的限制，其次還有電量、能耗等。所以我們將終端計(jì)算能力放到一個(gè)強(qiáng)算力中心上，將用戶終端設(shè)備變成三部分：手勢(shì)輸入、屏幕輸出，計(jì)算單元放到遠(yuǎn)端計(jì)算服務(wù)器上，它的算力要數(shù)倍甚至是幾十倍于端上。

基于分布式的前提，輸入、計(jì)算和輸出的傳輸過程的耗時(shí)變短。考慮到未來5G網(wǎng)絡(luò)、邊緣計(jì)算的發(fā)展，在邊緣節(jié)點(diǎn)和終端之間的傳輸速度，加上邊緣計(jì)算節(jié)點(diǎn)的計(jì)算耗時(shí)，可能要比你在本機(jī)輸入到本機(jī)芯片計(jì)算的耗時(shí)還要短。

所以，我們?cè)O(shè)計(jì)了一套分布式的云端渲染和實(shí)時(shí)計(jì)算方案。一方面解決交互的方式，大計(jì)算量的實(shí)時(shí)的數(shù)據(jù)場(chǎng)景。另一方面，借鑒在游戲領(lǐng)域（如云游戲）的思路，以下是設(shè)計(jì)模型：

1、對(duì)于用戶的手機(jī)終端、VR設(shè)備或眼鏡類各種設(shè)備，因?yàn)橛布诓粩喟l(fā)展，它的算力會(huì)越來越強(qiáng)。但是個(gè)別設(shè)備算力還比較弱，所以我們希望有實(shí)時(shí)調(diào)度能力。算力強(qiáng)的設(shè)備，在端上做；算力弱的設(shè)備，在云上做。同時(shí)基于用戶的手機(jī)電量等各方面場(chǎng)景，在邊端體系上有一個(gè)調(diào)度能力。用戶端的一個(gè)播放行為，其實(shí)是從媒資的存儲(chǔ)到轉(zhuǎn)碼、CDN分發(fā)，CDN節(jié)點(diǎn)，通過分發(fā)服務(wù)到手機(jī)終端，當(dāng)用戶點(diǎn)擊視頻，通過對(duì)應(yīng)的時(shí)間節(jié)點(diǎn)拉取對(duì)應(yīng)的云端視頻數(shù)據(jù)。

2、在云渲染鏈路上，我們希望用戶是通過調(diào)度的操作，決定計(jì)算邏輯是在端上還是邊緣節(jié)點(diǎn)上。如果在邊緣節(jié)點(diǎn)，通過邊緣節(jié)點(diǎn)去訪問中心節(jié)點(diǎn)，拉取到數(shù)據(jù)。當(dāng)用戶再次操作時(shí)，通過邊緣節(jié)點(diǎn)進(jìn)行相應(yīng)的交互處理，再下發(fā)到端側(cè)。這樣從邊緣節(jié)點(diǎn)到播放終端，是點(diǎn)對(duì)點(diǎn)的實(shí)時(shí)傳輸?shù)牟僮鳌?/p>

細(xì)化云渲染的整體設(shè)計(jì)，我將它分為五個(gè)部分：邊緣服務(wù)框架、網(wǎng)絡(luò)協(xié)議、端側(cè)交互引擎、邊端調(diào)度系統(tǒng)、應(yīng)用開發(fā)工具鏈。其中邊緣服務(wù)框架、網(wǎng)絡(luò)協(xié)議、端側(cè)交互引擎如下圖所示，分別承擔(dān)著邊緣節(jié)點(diǎn)的框架服務(wù)能力、網(wǎng)絡(luò)通信的協(xié)議處理、以及終端的交互、渲染引擎。而邊端調(diào)度系統(tǒng)如上所說，主要是根據(jù)用戶終端、邊緣節(jié)點(diǎn)算力等情況合理調(diào)度用戶的渲染服務(wù)是應(yīng)該在終端處理還是到邊緣節(jié)點(diǎn)處理。而基于此，我們可以看到，很大程度上服務(wù)程序是需要在多平臺(tái)基礎(chǔ)上運(yùn)行的，所以相應(yīng)的開發(fā)工具鏈（開發(fā)調(diào)試IDE、服務(wù)部署發(fā)布系統(tǒng)等）也是很重要的部分。

在邊緣服務(wù)上，我們希望搭建一套基礎(chǔ)框架，不僅承載現(xiàn)有的渲染服務(wù)，未來也可以部署游戲引擎來實(shí)現(xiàn)云游戲的服務(wù)。由于單個(gè)邊緣服務(wù)節(jié)點(diǎn)需要服務(wù)多個(gè)終端設(shè)備，推拉流服務(wù)的用戶session 管理很重要，并且低延時(shí)的推流處理、高性能的渲染服務(wù)等都是我們需要突破的重點(diǎn)。同時(shí)，由于我們定義的很多場(chǎng)景是基于實(shí)時(shí)計(jì)算和強(qiáng)交互的模式，更像是游戲，上行的數(shù)據(jù)以操作指令、文本等為主，下行則主要是流媒體數(shù)據(jù)、算法數(shù)據(jù)等，而且考慮到時(shí)延等問題，優(yōu)選基于UDP構(gòu)建的傳輸協(xié)議，同時(shí)考慮到網(wǎng)絡(luò)穿透率的問題，基于TCP的方案會(huì)作為基礎(chǔ)的兜底策略。而在端側(cè)，重點(diǎn)是低延時(shí)的直播播放器，網(wǎng)絡(luò)協(xié)議的客戶端實(shí)現(xiàn)以及用戶上行的指令處理等。

?

未來的思考和總結(jié)

始于播放新交互，結(jié)合5G和邊緣計(jì)算，面向云渲染。基于這個(gè)鏈路，未來我們希望的播放新交互是什么樣子？

首先，在交互能力上，我們已經(jīng)將算法和內(nèi)容做結(jié)合，視頻內(nèi)容本質(zhì)上是導(dǎo)演、演員基于劇情，向用戶傳遞信息。用戶觀影過程中，是不是可以跟導(dǎo)演、演員或內(nèi)容之間有聯(lián)動(dòng)交互。

其次，如何將這兩者之間的信息拉通？就是通過算法結(jié)合內(nèi)容做識(shí)別，算法本身去識(shí)別內(nèi)容，再將識(shí)別出的內(nèi)容跟用戶看到的內(nèi)容，在信息上更貼合用戶偏好，將更多主動(dòng)權(quán)交給用戶，給用戶更沉浸式的觀影體驗(yàn)。同時(shí)因?yàn)檫@種交互的模式，對(duì)算法對(duì)算力有更高要求，借由5G和邊緣計(jì)算的發(fā)展，打造一個(gè)環(huán)形體系，實(shí)現(xiàn)播放新交互的體系化形態(tài)。

以上就是我們對(duì)于未來在播放和交互領(lǐng)域的思考。

?

推薦閱讀

• 手把手教你配置VS Code 遠(yuǎn)程開發(fā)工具，工作效率提升N倍

• 用大白話徹底搞懂 HBase RowKey 詳細(xì)設(shè)計(jì)
  

• 后端程序員必備：書寫高質(zhì)量SQL的30條建議

• Go 遠(yuǎn)超 Python，機(jī)器學(xué)習(xí)人才極度稀缺，全球 16,655 位程序員告訴你這些真相！
  

• 任正非談“狼文化”：華為沒有 996，更沒有 007

• 區(qū)塊鏈必讀“上鏈”哲學(xué)：“胖鏈下”與“瘦鏈上”

• 在商業(yè)中，如何與人工智能建立共生關(guān)系？
  

真香，朕在看了！

總結(jié)

以上是生活随笔為你收集整理的5G +边缘计算，优酷如何做云渲染？的全部?jī)?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(cuò)，歡迎將生活随笔推薦給好友。