今天!阿里巴巴新零售内容AI平台创新与实践 | CNCC技术论坛

简介: 精彩内容将在10月23日(今天)13:30-16:00线上同步直播。

中国计算机学会 (CCF) 主办的「2020中国计算机大会」(简称:CNCC)将于10月22-24日在杭州未来科技城学术交流中心举办。

10月23日下午,阿里巴巴淘系技术部将在CNCC2020和大家分享阿里巴巴新零售内容AI平台创新与实践。

image.png

image.png

随着4G的普及和5G的推出,内容消费的诉求越来越受到人们的重视。2019年互联网趋势报告指出在移动互联网行业整体增速放缓的大背景下,短视频行业异军突起,成为“行业黑洞”抢夺用户时间,尽管移动互联网人口红利见顶,新的增长点难以寻觅,但中国短视频人均使用时长及头部短视频平台日均活跃用户均持续增长。

在淘宝,短视频业务一直以来都是非常重要的业务,是淘宝app从单一的商品导购app走向商品导购+内容消费的多元化app的关键所在。现如今淘宝每年新增内容数达数十亿,其中视频数占比持续提升,预计到2022年视频的占比会超过50%。如何对规模如此庞大的视频进行内容化理解,高效赋能视频运营和个性化分发变得极为关键。

因此,针对视频内容理解技术,我们将重点构建一个面向视频的层次化、精细的标签体系和算法,为新生产的视频提供冷启动能力,提升分发的效率,另一方面构建视觉内容和文本语义之间的跨模态检索算法,根据用户的检索,提供更加优质的视频内容,提高用户的消费体验。

下面橙子就来和大家揭晓——本场论坛的演讲嘉宾和议题。

淘宝直播端上窄带高清技术

演讲时间:13:50-14:20

演讲嘉宾:王立波(庄恕),阿里巴巴淘系技术部高级算法专家,毕业于上海交通大学数学系,现为淘宝直播音视频算法负责人,从事视频压缩,图像处理,语音增强方向的研究,参与完成的项目《编码摄像关键技术及应用》获得2019年国家科技进步二等奖。

演讲内容:在淘宝直播大规模实时系统中,如何通过底层算法及技术架构的升级,实现高画质,高音质,低延时直播,在确保用户体验的前提下,实现成本的大幅缩减。

5G时代的国际视频标准化最新动态

演讲时间:14:20-14:50

演讲嘉宾:叶琰,阿里巴巴(美国)达摩院研究员,负责前沿视频技术研发和高性能视频编解码硬件及软件实现。她的团队代表阿里巴巴在各个视频标准组织积极进行技术推进,包括国际视频标准(ITU-T/VCEG 与 ISO/IEC/MPEG),国家视频标准(AVS),以及业界视频标准联盟(AOM)等。她参与了多项视频编解码与流媒体的国际标准制定工作,包括 H.266/VVC,H.265/HEVC,SHVC,MV-HEVC,HEVC SCC,H.264/SVC,MPEG PCC,MPEG LCEVC,MPEG DASH,MPEG OMAF和MPEG CMAF 等,并曾就任多项国际标准的编辑。她是美国国家标准组织INCITS L3.1的主席, IEEE 的高级会员。她在中国科技大学获得本科及硕士学位,在美国加州大学获得博士学位。

演讲内容:随着5G时代的到来,超高清4K/8K视频,AR/VR/MR浸入式视频,以及机器视频等全新的视频消费形式将很快走入人们的日常生活中。为了能够高效低延时地传输处理这些海量的视频数据,必须要有最先进的视频编解码技术提供底座支撑。国际视频标准组织ISO/IEC MPEG和ITU-T近几年陆续出台多项相关的国际视频标准,其中包括最近刚刚出炉的下一代视频标准H.266/VVC,浸入式媒体标准系列MPEG-I,以及MPEG正在探索的机器视频编码。这个演讲将回顾VVC的发展历程以及VVC标准的压缩性能和它所能提供的各种灵活易用的功能,并一起展望AR/VR等浸入式视频内容在5G网上的未来。

内容AI升级:视频分析与生成

演讲时间:14:50-15:20

演讲嘉宾:潘攀(启磐),阿里巴巴达摩院资深算法专家,负责电商的视觉技术研发,服务于拍立淘,淘宝直播等应用场景。他博士毕业于美国伊利诺伊大学芝加哥分校,研究领域包括深度学习和计算机视觉等。他曾先后在美国三菱研究院和北京富士通研发中心从事视觉技术研发工作。

演讲内容:近年来围绕电商升级,电商内容从之前的图像/文字,走向了更富模态的直播和短视频。面临新的内容形式和新的业务形态,视觉技术也需要进行升级。比如通过升级图像的分析能力到视频,我们可以精确解析出视频出现的实体和关键属性。再比如通过结合三维和生成技术,我们创新得研发了虚拟主播这个新的产品形态。本次演讲会描述伴随内容升级的视频分析和生成技术,以及这些技术在阿里巴巴的各种应用。

深度学习在端侧AI的发展之路

演讲时间:15:20-15:50

演讲嘉宾:李晓波(篱悠),阿里巴巴淘系技术资深算法专家,2009年北大硕士毕业加入阿里巴巴,先后在B2B、阿里云、手淘等BU任职。目前在手淘负责多媒体算法部门,支持淘宝直播和短视频等业务。

演讲内容:随着技术的迭代更新,新的媒体形式不断推陈出新。短视频/直播、VR、AR、3D、MR等新兴的媒体技术不断出新,方新未艾。那么做为电商购物场景的手淘,在业务发展的过程中又是如何利用这些新兴技术来为用户带来更好的购物体验呢?

精彩内容将在10月23日(今天)13:30-16:00线上同步直播。

可扫描下方二维码,进行线上直播观看。
image.png

关注「淘系技术」微信公众号,一个有温度有内容的技术社区~

image.png

相关文章
|
5天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
35 3
|
3天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
4天前
|
机器学习/深度学习 自然语言处理 语音技术
探索机器学习中的自然语言处理技术
【10月更文挑战第38天】在本文中,我们将深入探讨自然语言处理(NLP)技术及其在机器学习领域的应用。通过浅显易懂的语言和生动的比喻,我们将揭示NLP技术的奥秘,包括其工作原理、主要任务以及面临的挑战。此外,我们还将分享一些实用的代码示例,帮助您更好地理解和掌握这一技术。无论您是初学者还是有经验的开发者,相信您都能从本文中获得宝贵的知识和启示。
14 3
|
8天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
43 4
|
8天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
9天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第33天】随着人工智能技术的不断发展,其在医疗领域的应用也越来越广泛。从辅助诊断到治疗方案的制定,AI技术都发挥着重要作用。然而,随之而来的挑战也不容忽视,如数据隐私保护、算法的透明度和可解释性等问题。本文将探讨AI技术在医疗领域的应用及其面临的挑战。
20 0
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
27 1
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
31 10
|
6天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。