DEEP VIDEO智能学习生产技术训练营学习心得

简介: 短视频,长视频的出现极大地丰富了人们的业余生活,同时也有利于信息的传播。以视频的形式传递信息,人们能够同时调动视觉和听觉,直观了解所获得的信息。随着时代的发展,现在的视频也变得越来越智能。

短视频,长视频的出现极大地丰富了人们的业余生活,同时也有利于信息的传播。以视频的形式传递信息,人们能够同时调动视觉和听觉,直观了解所获得的信息。随着时代的发展,现在的视频也变得越来越智能。那么智能视频是怎么样生产出来的呢?

一次偶然的机会,我参加了DEEP VIDEO智能学习生产技术训练营,在这里首先要感谢训练营老师专业的讲解,让我受益匪浅,下面来分享一下我的心得。

视频AI的出现,帮助人们解决了大量的问题。那视频 AI可以做哪些事情呢?视频AI可以把视频里面的内容做各种各样的分析。把视频里面相应的语音内容进行识别,文字内容进行识别,人脸进行识等等,最后把内容全部提取出来,相当于说把整个视频的内容做了各种各样的结构化的解析。其实更多的是,AI在后台做着各种各样辅助的事情。再例如直播,AI会对直播做相应的截帧,基于截帧,然后去对这个视频的画面里面的内容进行判断是否涉黄,涉暴是否是广告,是否有不良的画面。

视频AI的原理又是什么呢?

机器学习→深度学习(AI)→卷积神经网络(视频AI)

传统的媒体生产,它可以分为采集、编辑、存储、管理和分发这五个流程。随着人工智能技术的兴起,这五个流程越来越多的有机器的参与,这些机器的参与主要是一些AI技术的应用。AI是大数据喂出来的,云和AI是天然的结合。现阶段AI还做不到完美,AI还只能辅助视频生产,生产视频的主体还是人。那AI又是如何辅助生产的?例如通过图片搜索所有相关视频,智能横转竖,帮助横屏视频在手机端分发等等。

大家也可以点击下方链接进入阿里云多媒体AI体验中心进行体验。

https://retina.aliyun.com/#/Home

阿里云视频云目前提供的视频AI能力:

ROI提取:绿幕抠图,横转竖,

智能擦除:去图标,去字幕,

关键信息提炼:智能封面,视频摘要,

结构化分析:字幕提取,PPT拆条。

image.png

最后老师向我们介绍了智能媒体生产ICE。(大家也可以打开ICE的官方文档查看详细介绍,链接如下)

https://help.aliyun.com/document_detail/197850.html

智能媒体生产ICE(Intelligent Cloud Editing)为教育行业、新媒体行业、营销行业、直播平台等内容制作者和机构提供在线剪辑工具,通过阿里云在人工智能领域的大量积累,将AI与剪辑工具紧密结合,将专业剪辑工具平民化,辅助创作者高效生产视频内容。

ICE 的定位是在生产制作这个领域。那ICE能解决什么问题呢?实际上ICE核心解决的是云上的生产制作的问题。

1 云端剪辑制作合成(导出)

2 素材库管理与公共素材的使用

3 规模化剪辑制作合成

4 专业,高效剪辑制作合成

5 AI能力辅助生产制作

6 无干预的全智能生产制作

 

利用ICE如何将多张照片制作成一个短视频呢?流程如下:(两种方法)

1: 直接传入timeline(时间线,是ICE最重要的数据结构,也是整个视频生产制作的核心)参数,把照片/时长/效果等参数设置到时间线上,然后提交剪辑合成作业;
2:
使用模板工厂,先制作一个模板,再把图片作为覆盖参数,结合模板id,提交剪辑合成作业

大家如果想体验的话,可以进入阿里云,打开智能媒体生产工作台,首先进行服务的开通。

image.png

下面这个网址是Retina视频云AI体验馆卡通智绘并生成卡通头像,我感觉很有意思,欢迎大家来体验。

https://retina.aliyun.com/?spm=a2c6h.24965935.J_3050531610.3.71af35f6EKdF2c#/cartoon

image.png

视频慢慢成了生活的一部分,视频类型多样,时长不同。人们可以在零碎时间内观看视频,放松心情。这也要给AI点个赞,以及相应的工作人员点个赞!

相关文章
|
安全 Linux Android开发
如何将Kindle电子书下载到电脑:技术流程与操作解析
随着数字阅读兴起,Kindle成为主流电子书平台。然而,Amazon的封闭生态和DRM限制,使用户难以灵活管理书籍。本文从技术角度出发,讲解如何合法下载Kindle电子书至电脑,包括使用Kindle for PC、USB导出及进阶方案(如Android模拟器、WINE环境)。同时介绍文件格式处理、自动化备份与阅读体验优化方法,并强调版权合规的重要性,助您构建个人数字图书馆。
5299 3
|
11月前
|
机器学习/深度学习 自然语言处理 搜索推荐
# GloVe词嵌入:全局词频矩阵的高效表示
在自然语言处理(NLP)领域,词嵌入技术作为连接离散文本与连续向量空间的桥梁,已经成为各种文本处理任务的基础。继Word2Vec之后,斯坦福大学在2014年提出的GloVe(Global Vectors for Word Representation)模型为词嵌入技术开辟了新的思路。与Word2Vec专注于局部上下文信息不同,GloVe通过分析词的全局共现统计信息来学习词向量表示,这种方法在捕捉词语间全局语义关系方面具有独特优势。
743 1
|
存储 持续交付 Docker
Docker:轻量级容器技术重塑应用交付
Docker:轻量级容器技术重塑应用交付
|
机器学习/深度学习 算法 数据挖掘
统计分析识别和处理异常值
统计分析识别和处理异常值
1049 0
|
机器学习/深度学习 自然语言处理 数据可视化
《自然语言处理架构的隐秘力量:FFN深度揭秘》
前馈神经网络(FFN)是自然语言处理(NLP)领域中不可或缺的组件,尤其在Transformer等架构中发挥重要作用。FFN通过非线性变换和特征提取,增强模型对复杂语义的理解能力,同时平衡注意力机制输出,提升泛化性能。其基本结构包括输入层、隐藏层和输出层,工作原理涉及加权求和与激活函数处理。尽管存在训练成本高和可解释性差等问题,未来的研究可能通过稀疏连接、动态计算等方式优化FFN,推动NLP技术进一步发展。
1031 3
|
存储 Java 程序员
Java 日志框架解析:汇总及最佳实践
在java的世界里有许多实现日志功能的工具,最早得到广泛使用的是 log4j,现在比较流行的是slf4j+logback。作为开发人员,我们有时候需要封装一些组件(二方包)提供给其他人员使用,但是那么多的日志工具,根本没法保证每个组件里都能使用约定好的日志工具,况且还有很多第三方的包,鬼知道他会用什么日志工具。假如一个应用程序用到了两个组件,恰好两个组件使用不同的日志工具,那么应用程序就会有两份日志输出了,蛋疼吧。。 下面简单介绍下常见的日志工具:
12720 2
Java 日志框架解析:汇总及最佳实践
|
存储 安全 关系型数据库
技术人必修课:利用金字塔原理高效思考与表达
作者写这篇文章的目的就是希望能够帮助更多同学了解金字塔原理并合理应用,不只是写作,更是要着眼于思考和表达。本文将围绕认识金字塔结构、表达的逻辑、思考的逻辑、解决问题的框架、演示的逻辑这几个方面带领大家深入学习金字塔原理。
|
存储 缓存 Dragonfly
如何进行容器镜像加速?| 深度揭秘阿里云 Serverless Kubernetes(3)
容器相比虚拟机最突出的特点之一便是轻量化和快速启动。相比虚拟机动辄十几个 G 的镜像,容器镜像只包含应用以及应用所需的依赖库,所以可以做到几百 M 甚至更少。但即便如此,几十秒的镜像拉取还是在所难免,如果镜像更大,则耗费时间更长。
2315 0
如何进行容器镜像加速?| 深度揭秘阿里云 Serverless Kubernetes(3)

热门文章

最新文章