7月5日,由莫斯科國立大學舉辦的MSU2022世界編碼器大賽硬件編碼器成績全部揭曉??焓諷treamLake首款自研智能視頻處理芯片StreamLake-200(SL200)奪得4K和1080P賽道24項指標中的16項第一。
據悉,這是快手StreamLake首次參加MSU世界編碼器大賽,在全部6個子賽道中斬獲5個“最佳ASIC編碼器”稱號,標志著SL200芯片在高密度、高質量及超高質量下均達到業(yè)界領先水平。
MSU大賽在視頻壓縮領域極具影響力,至今已連續(xù)舉辦了十七屆,吸引了國內外多家知名科技企業(yè)和組織參賽。本次MSU2022世界編碼器大賽硬件編碼器賽道共有14個國內外企業(yè)參賽,包括騰訊、字節(jié)跳動、Intel、英偉達、AMD等。比賽分為4K30fps、4K60fps、4K120fps、1080P60fps、1080P120fps、1080P240fps共6個子賽道,快手StreamLake參加了全部硬件賽道比賽。
隨著視頻行業(yè)的發(fā)展,4K超高清在短視頻、長視頻、廣電、高質量監(jiān)控等領域的應用越來越廣泛。在多年積累的基礎上,SL200芯片采用了多項快手自主創(chuàng)新技術,對4K/8K超高清視頻進行了針對性的優(yōu)化,實現了業(yè)界領先的清晰度和流暢度,并達到極高的編解碼密度。本屆MSU比賽中,SL200芯片在1080P和4K兩個賽道都斬獲佳績,顯示了該芯片廣泛的實用范圍,將對我國未來智能視頻行業(yè)的發(fā)展起到基石的作用。
該SoC芯片集成了快手領先的視頻編解碼、圖像處理、AI推理、內容自適應編碼等關鍵技術,具備高質量、高密度、智能化的特點。SL200芯片于2022年6月流片成功之后,快手團隊設計研發(fā)了基于該芯片的板卡和服務器系統(tǒng),并完成了數月的大規(guī)?;叶群蛪毫y試,目前正逐步全面應用于快手短視頻和直播業(yè)務,并已對外開放測試,聯合多家合作伙伴共同探索更為廣闊的應用場景。
目前,直播和短視頻已經成為了視頻消費中的重要部分,意味著視頻流量迎來快速增長以及帶寬成本不斷增加。SL200芯片具有“高編碼質量+高密度”的特性,可極大限度降低帶寬成本,同時提供行業(yè)領先的編碼質量。其中,高編碼質量相比x265 medium節(jié)省約30%碼率,另外支持畫質增強;高轉碼密度方面,單卡(2顆芯片)支持8路4K60fps編碼,還支持“一進多出”的轉碼模式。
隨著4K/8K超高清視頻被廣泛應用于大型賽事、重要活動的直播/轉播之中,為了提供更好的用戶體驗,廣電行業(yè)在質量、穩(wěn)定性、密度方面都對視頻轉碼方案提出了更高的要求。SL200芯片憑借"AI+高質量視頻編碼"特性,相比國內某頭部廣電編碼器廠商可以節(jié)省約40%的碼率。另外SL200芯片提供了ABR、CBR、CRF三種碼控方案以應對有線電視、IPTV、OTT和新媒體場景對于碼率控制的訴求。
而在云游戲場景下,對延時有著極高要求,例如射擊類游戲,對操作精準度有很高要求,通常需要將游戲響應延遲控制在50ms以內;VR等肢體配合類游戲,整個游戲鏈路延遲需要低于25ms。在整個云游戲的延遲通路中,通常對視頻編碼延遲的要求是控制在6ms內。SL200芯片具有“低延遲+更好的編碼質量”的特性,在4ms的超低延時下,可以獲得1080P超清畫質,并且相比某主流GPU在可節(jié)省約14%的碼率。
此外,快手StreamLake搭建了基于SL200芯片的視頻基礎設施,正式發(fā)布StreamLake硬件編碼器產品,利用快手領先的視頻編解碼及增強和修復算法,幫助客戶提升多媒體處理環(huán)節(jié)的質量與效率,可應用于IPTV、OTT、廣電、智能監(jiān)控、互聯網視頻直播等多個領域的超高清直播平臺建設及視頻壓縮編碼。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。