Ryff是一家位于洛杉磯的初創(chuàng)企業(yè),他們開發(fā)出一套系統(tǒng),可使用計算機視覺、人工智能與機器學習技術實現(xiàn)對電影、電視、體育及YouTube用戶生成內容進行語義理解。
Ryff的這套全新Placer平臺能夠提取大量現(xiàn)成內容,進而建立一種新的廣告資源。隨著干擾性商業(yè)廣告價值的持續(xù)下降,集成營銷(也被稱為片內產品展示位營銷)的價值則有所提升。當然,這種方法仍成本高昂而且需要隨時跟上產品本身的變化——以因本輪新冠疫情流行而被迫延期的最新一部007電影為例,為了讓產品能夠與當下形勢相適應,制作團隊不得不投入巨資重拍大量鏡頭。
使用“同類整合”方法,RYff能夠分析數(shù)十萬小時的內容。Placer平臺可以轉錄對話單元、創(chuàng)建場景元數(shù)據(jù)、檢測說了些什么、由誰在說以及當前畫面如何拍攝而來。以此為基礎,它會自動生成虛擬展位機會(VPO)并交付給內容所有者及相關品牌,供他們核準其中最適合品牌宣傳需求的場景。最后,Ryff能夠將任意品牌或產品以數(shù)字方式大規(guī)模插入拍攝的內容當中。通過Ryff的技術,廣告宣傳活動將始終與時俱進,保證內容在文化與背景方面的良好相關性。
▲ Roy Taylor, Ryff公司創(chuàng)始人兼CEO
Ryff公司創(chuàng)始人兼CEO Roy Taylor于1998年在歐洲建立起英偉達,又于2016年在好萊塢成立了AMD Studios。憑借他在計算機視覺與娛樂業(yè)務的深刻理解,他于2018年創(chuàng)立了Ryff。此后,Ryff籌集到840萬美元資金,投資方包括來自芝加哥的Valor VC、已故Paul Allen管理的Vulcan Ventures、Mac[sic] Ventrues以及來自薩克拉門多的Moneta VC。
▲ 同一場景、同樣的駕駛員、不同的車輛
公司CTO Susan Hewitt于2018年8月正式加入。作為一位曾經的半導體工程師,她曾先后效力于德州儀器、ATI、ARM以及AMD公司,并在這里遇到了Taylor。Hewitt告訴我們,在大型企業(yè)工作多年之后,這份創(chuàng)業(yè)崗位給她的生活帶來重大改變。
“對于一家初創(chuàng)企業(yè),最令人興奮的就是我們像一張白紙,當下的工作內容也不受制于任何原有計劃。我們只是一路摸索前行,這實在讓人斗志滿滿。”Hewitt目前居住在英國劍橋地區(qū),這片人才聚集的土地很快吸引到了微軟、蘋果、Amazon等頂尖科技巨頭的關注。劍橋大學以及劍橋小鎮(zhèn)則逐步成長為獨特的新興技術孵化器。Hewitt解釋道,“這里很小,但卻像是一個焦點,有著比超大型城市更強烈的吸引力。這里充斥著各種學習與成長的機會。”
Moor Insights and Strategy公司高級分析師Anshel Sag認為,Ryff公司掌握著“在現(xiàn)有市場之間開辟新藍海的巨大機會空間。其方案將給流媒體世界帶來重大助力,內容所有者可以隨時向庫內無縫添加新內容。這代表著一種重要的全新收入機會,媒體領域的不少從業(yè)企業(yè)也正好迫切需要這種技術。”
最新一部007電影《無暇赴死》原定于2020年上映,但由于新冠疫情的爆發(fā)而被迫推遲。Tech Radar此前報道稱,制造方正在重新拍攝一系列關鍵場景,“希望盡可能調整其中某些與時間相關的元素與內容。”根據(jù)相關傳聞,包括諾基亞、歐米茄手表、阿迪達斯以及堡林爵香檳在內的各贊助商,都不希望在影片中展示一年前的舊產品。而使用Ryff的技術,制作方可能節(jié)約下數(shù)百萬美元。
事實上,Ryff的方案足以將以往每一部007電影中的小物件都替換為較新的對象。如果愿意,諾基亞、歐米茄、阿迪達斯乃至堡林爵甚至可以將自己的最新產品出現(xiàn)在1962年的《諾博士》當中。
Taylor總結道,“傳統(tǒng)的影片內嵌廣告涉及付款、擺位拍攝以及內容發(fā)布等多個步驟,整個流程可能耗時數(shù)月甚至數(shù)年,既麻煩又效率低下。Ryff帶來的對象替換技術也許類似于Amazon之于圖書以及iTunes之于音樂,預示著廣告行業(yè)也將迎來新一波重大革命。”
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數(shù)的同時實現(xiàn)10倍速度提升,在七個基準測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質量與分類性能的強相關性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應性。團隊承諾開源全部代碼,推動技術普及應用。
伊利諾伊大學研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復雜爭議、智能檢索相關文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構建爭議話題的分析框架,識別不同觀點及其支撐證據(jù),為科學和政治爭議提供更全面客觀的分析,已在生物醫(yī)學和國際關系領域驗證有效性。
清華大學研究團隊首次提出情感認知融合網絡(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構,在情感識別準確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領域帶來革命性應用前景。
哈佛大學研究團隊通過創(chuàng)新的多智能體強化學習方法,讓AI在戰(zhàn)略游戲中學會復雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領域的應用奠定基礎,展現(xiàn)了通過模擬人類學習過程培養(yǎng)真正智能AI的新路徑。