NVIDIA Maxine是一款云AI視頻流平臺,將使用GAN來提高帶寬性能

　　Ming-Yu Liu 和Arun Mallya 正在進行視頻通話,其中一個人的畫面開始出現(xiàn)卡頓,直至畫面定格。

　　這是一種常見且令人反感的情況。但與大多數(shù)人不同的是,Liu和Mallya可以做出一些改變。

　　他們是NVIDIA的AI研究人員,專攻計算機視覺。在與Ting-Chun Wang共事中,他們意識到可以使用神經(jīng)網(wǎng)絡來替代被稱為視頻編解碼器的軟件,這種軟件通常用于視頻在網(wǎng)絡傳輸過程中的壓縮和解壓縮。

　　迄今為止,他們的工作成果將用戶在視頻通話時所需的網(wǎng)絡帶寬壓縮至原來的十分之一,還有望將帶寬消耗降低數(shù)個數(shù)量級。

　　Mallya表示:“我們希望通過AI提供更好的視頻溝通體驗,即使在帶寬極低的情況下,也可以從語音升級到視頻通話。”

　　GAN讓連接質(zhì)量更佳

　　即使用戶的面部有遮擋(比如戴著帽子、眼鏡、耳機或口罩),這項技術同樣適用。為了增加趣味性,他們在演示中使用了一些裝飾物,這樣用戶可以在線上更改其發(fā)型或衣服或者創(chuàng)建頭像。

　　更重要的是,如上圖所示,借助神經(jīng)網(wǎng)絡定位,無需再盯著顯示器上方攝像頭才能與對方對視,這增強了面對面對話的感覺。

　　Wang表示:“借助計算機視覺技術,我們可以從多個角度來定位頭部。我們認為這將幫助人們更自然地進行對話。”

　　迎接最前沿的AI技術,讓虛擬生活更真實。

　　AI賦能視頻通話的原理

　　AI輔助視頻通話的工作機制十分簡單。

　　與目前使用壓縮的視頻流的系統(tǒng)類似,參考圖像發(fā)送后,僅用戶眼睛、鼻子和嘴巴周圍幾個關鍵點的位置數(shù)據(jù)被發(fā)送,而非發(fā)送大量壓縮過像素的圖像。

　　接收端的生成式對抗網(wǎng)絡通過初始圖像和面部關鍵點,在本地GPU上重構(gòu)后續(xù)圖像。因此,通過網(wǎng)絡傳輸?shù)臄?shù)據(jù)要比之前少得多。

　　Liu在GAN領域的工作成果GauGAN曾引發(fā)關注。GauGAN是一種可以將涂鴉轉(zhuǎn)化為寫實藝術作品的AI工具,目前已經(jīng)創(chuàng)建了超過一百萬張圖像。該工具可在AI Playground中獲取。

　　Liu表示:“疫情期間頻繁的視頻會議啟發(fā)了我們,因此我們開始探索突破帶寬瓶頸的方式,讓供應商可以同時為更多人提供服務。”

　　GPU突破帶寬瓶頸

　　這一方法順應當前行業(yè)趨勢,將網(wǎng)絡瓶頸轉(zhuǎn)化為計算任務,從而借助本地或云端資源更輕松地解決此類問題。

　　NVIDIA媒體集團高級產(chǎn)品總監(jiān)Andrew Page表示:“如今,許多公司希望將帶寬問題轉(zhuǎn)化為計算問題,這是因為帶寬一般很難增加,而增強算力則相對容易。”

　　NVIDIA Maxine搭配了一套視頻會議和流媒體服務工具

　　AI 工具優(yōu)化視頻服務

　　GAN視頻壓縮是NVIDIA Maxine即將推出的幾個功能之一,這是一個云AI視頻流平臺,用于增強視頻會議和電話質(zhì)量。它將音頻、視頻和對話式AI功能整合在一個工具包中,并支持多種設備。

　　在上周的GTC大會上,NVIDIA宣布推出了Maxine平臺。基于該平臺,服務提供商能夠在提供超高分辨率的視頻的同時,實現(xiàn)實時翻譯、噪聲消除和情景感知的閉路字幕。用戶可以享受到人臉校正、虛擬助手和化身逼真的動畫角色等功能。

　　Page表示:“視頻會議正在經(jīng)歷一場復興。疫情期間,它的缺點給所有人帶來了不愉快的使用體驗,但回歸視覺動物的屬性,視頻終將成為人們今后生活中的一部分。”

　　通過利用基于Tensor Core核心的NVIDIA GPU,Maxine可運行如NVIDIA Jarvis的軟件。NVIDIA Jarvis是用于對話式AI的SDK,提供了一套語音和文本功能。 它們共同提供了當今有用的AI功能,并成為未來視頻產(chǎn)品和服務的基石。

　　想要了解更多有關AI計算的最新技術,解鎖GPU前沿應用,可點擊鏈接:https://www.nvidia.cn/gtc/keynote/,觀看GTC 2020秋季站主題演講上的精彩內(nèi)容。