叶琰:AI压缩技术在追上传统编码技术

简介: 认识叶琰是经朋友引荐,在了解她的背景后很快决定邀请她来LiveVideoStackCon2019深圳,并担任了大会的Co-chair。叶琰给我留下的印象是坦诚、直接,一旦她承诺的事情会按时做到——无论是为大会内容组织给出建议,推荐讲师候选人,还是本篇采访,叶琰总是在deadline前完成,也许当年兼顾孩子和工作的艰难经历,让她更加游刃有余。如果一切顺利,叶琰将作为大会Co-chair在LiveVideoStackCon 2019深圳致辞,并和听众交流。

文 / 叶琰


策划 / LiveVideoStack


LiveVideoStack: 叶琰你好,很荣幸代表LiveVideoStack采访你。 第一个问题,我想了解为什么对video codec领域情有独钟? 我研究了你的Linkedin,如果从IBM实习算起,你已经在这个领域20年了。

 

叶琰: 这个其实并没有太多刻意的原因。 我在读博士的期间的两个主要专业方向是通信理论和信号处理,而视频编解码是一个将信息论和数字信号处理里面的很多理论融合在一起来解决一个非常重要的实际应用的技术方向。 近年来因为互联网和智能手机的发展给大家的生活带来了巨大的改变,视频应用拉近了人与人之间的距离,所以虽然过了这么多年,这个方向不但没有过时,反而在大家日常生活中占据着越来越重要的地位。

 

LiveVideoStack: 上个世界九十年代末,从中科大毕业后,出国到加州大学取得了博士学位,此后一直在海外工作。 直到2018年来到阿里巴巴,是怎样的机缘让你走出这样一条路径呢?

 

叶琰: 我在上一个公司做了很多年视频技术方向的主管负责人,有不少技术和管理成果,也一直挺开心的。 因为一个机缘巧合,有个在阿里巴巴工作的好朋友大力介绍这个机会,我抱着随便试试的态度聊了一下以后,发现中国互联网公司是一个很不一样的世界,可以提供更加广阔的天地,所以抱着在一个新的环境里进一步锻炼自己能力的想法就来了。

 

LiveVideoStack: 过去二十年,恰恰国内科技、互联网快速发展的二十年,从web 1.0到电商、社交、在线教育、娱乐,如今移动互联网已无处不在。 是否感叹“错过了最好的二十年”呢?

 

叶琰: 这个还真从来没有过。 我不但没有觉得自己错过了什么,正好相反我觉得过去的20年我从国外的职业生涯中学到了很多,技术和管理能力上也有不少的成长。 相信我这些过去的经验都可以让未来的20年变得更好。

 

LiveVideoStack: 能否介绍下你和你的团队在阿里巴巴达摩院的工作吗? 我注意到,你的title中还包括“Machine IntelligenceTechnology Lab”,这是否揭示了一个事实: 视频技术与AI将密不可分?

 

叶琰: AI技术近些年发展得很快,在视觉,图像和视频领域都开始得到广泛的应用。 阿里巴巴达摩院机器智能实验室的视频团队在视频编解码,视频理解,视频审核,智能生产等方面都有先进技术开发并在业务上落地。 从视频编解码这个领域来看,基于AI的压缩技术目前还赶不上像HEVC或者VVC这样的国际视频压缩标准的压缩性能,这个gap如何去弥补将是我们的挑战之一。 达摩院的同学都有很高的技术水准,所以相信我们的团队会尽全力给出一个好的答案。

 

LiveVideoStack: 在阿里巴巴工作,此前经历的公司有什么不同吗?

 

叶琰: 国内互联网公司节奏快,团队更加年轻有冲劲。 而国外公司的团队在经验积累上可能更加有优势一些。

 

LiveVideoStack: 我们再来谈一个现实问题——多媒体相关的技术人供给不足,更多的学生愿意选择AI,甚至金融这些能更快带来物质回报的领域,你如何看待这个问题?

 

叶琰: 你说的这个不太乐观的现象在一定程度上是存在的。 但是我更愿意从乐观的角度去看这件事,我觉得在这样的环境下还是会选择来做多媒体技术人的同学们更加代表我们是真正志同道合的技术人,而能够和志同道合的同学们一起做些事情,真的是个非常快乐的事情。

 

LiveVideoStack: 你在接受视频采访时曾说过“人是一种非常坚强的动物,再苦再难也要挺着”,能说说你所经历的最艰难的日子吗,是怎么挺过来的?

 

叶琰: 采访时候说的话应该是针对为人父母的艰辛而发的感慨。 尤其是在国外工作生活的双职工,孩子小的时候同时要juggle家庭和工作两边,很多人应该都有过感觉要崩溃的经历。 在这种时候我觉得能够得到家人和朋友的帮助是最重要的。 所以每个人都要维护一个健康的朋友人际网,还有就是要相信自己,相信困难都是暂时的。

 

LiveVideoStack: 最后一个问题,我发现一个现象——相当一部分视频编码相关的技术专家都来自清华大学(虽然没有做过精确额统计),比如Google的多媒体组基本上清一色的来自清华大学。 作为一名中科大的毕业生,你怎么看这一现象?

 

叶琰: 这个说法好像和我的感觉不太一样。 光是做视频标准的其实我就认识不少科大人,在公司做算法和产品开发的就更多了。 2018年4月份VVC的CfP中有一篇是中国4大院校的联合响应,这4所院校是科大,北大,哈工大和武汉大学。 所以只看Google一个公司一个团队就得出结论说相当的视频编解码技术专家都是清华的,这种说法恐怕有失偏颇。

————————————————

版权声明:本文为CSDN博主「LiveVideoStack_」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vn9PLgZvnPs1522s82g/article/details/103168947


「视频云技术」你最值得关注的音视频技术公众号,每周推送来自阿里云一线的实践技术文章,在这里与音视频领域一流工程师交流切磋。

阿里云视频云@凡科快图.png


相关文章
|
7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。
39 3
|
17天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
123 59
|
6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。
|
15天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
67 11
|
11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。
56 4
|
11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
|
15天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
13天前
|
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31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
|
13天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
15天前
|
机器学习/深度学习 人工智能 自然语言处理
医疗行业的语音识别技术解析:AI多模态能力平台的应用与架构
AI多模态能力平台通过语音识别技术,实现实时转录医患对话,自动生成结构化数据,提高医疗效率。平台具备强大的环境降噪、语音分离及自然语言处理能力,支持与医院系统无缝集成,广泛应用于门诊记录、多学科会诊和急诊场景,显著提升工作效率和数据准确性。

热门文章

最新文章