Deep Render 认为 AI 是实现更高效视频压缩的关键

Deep Render 认为 AI 是实现更高效视频压缩的关键

Deep Render 的首席执行官 Chri Besenbruch 看到了当今视频压缩标准的开发方式存在许多问题。 他认为他们的进步不够快,对他们受到法律不确定性的困扰这一事实感到遗憾,并谴责他们依赖专门的硬件来加速。

“编解码器开发过程被打破了,”Besenbruch 在 Disrupt 之前接受 TechCrunch 采访时说,Deep Render 正在参加 Disrupt Battlefield 200。“在压缩行业,寻找新的前进方向和搜索是一项重大挑战进行新的创新。”

为了寻求更好的方法,Besenbruch 与他在伦敦帝国理工学院认识的 Arsalan Zafar 共同创立了 Deep Render。 当时,Besenbruch 正在学习计算机科学和机器学习。 他和 Zafar 合作开展了一个研究项目,该项目涉及通过网络分发数 TB 的视频,他们说在此期间他们亲身体验了压缩技术的缺点。

上一次 TechCrunch 报道 Deep Render 时,这家初创公司刚刚完成了由 Pentech Ventures 牵头、Speedinvest 参与的 160 万英镑种子轮融资(181 万美元)。 从那以后的大约两年里,Deep Render 从现有投资者那里又筹集了数百万美元,使其总筹资额达到 570 万美元。

“我们想,如果互联网管道难以扩展,我们唯一能做的就是让流经管道的数据更小,”Besenbruch 说。 “因此,我们决定将机器学习、人工智能和压缩技术融合在一起,开发一种全新的压缩数据方式,从而显着提高图像和视频压缩率。”

Deep Render 并不是第一个将 AI 应用于视频压缩的公司。 Alphabet 的 DeepMind 采用了一种机器学习算法,该算法最初是为玩棋盘游戏而开发的,以解决压缩 YouTube 视频的问题,从而将视频共享服务需要流式传输给用户的数据量减少了 4%。 在其他地方,有初创公司 WaveOne,它声称其基于机器学习的视频编解码器在流行的质量指标上优于所有现有标准。

但 Deep Render 的解决方案与平台无关。 为了创建它,Besenbruch 说该公司编译了一个包含超过 1000 万个视频序列的数据集,他们在这些数据集上训练算法以学习有效地压缩视频数据。 Deep Render 结合使用本地和云硬件进行训练,前者包含一百多个 GPU。

Deep Render 声称由此产生的压缩标准比 HEVC 好 5 倍,HEVC 是一种广泛使用的编解码器,并且可以在具有专用 AI 加速器芯片(例如现代 iPhone 中的 Apple 神经引擎)的移动设备上实时运行。 Besenbruch 表示,该公司正在与三家市值超过 3000 亿美元的大型科技公司就付费飞行员进行谈判,但他拒绝透露姓名。

Pentech 的创始合伙人兼 Deep Render 的董事会成员 Eddie Anderson 通过电子邮件分享:“Deep Render 的编解码器机器学习方法彻底颠覆了一个成熟的市场。 它不仅是一种软件进入市场的途径,而且它们的 [compression] 性能明显优于现有技术。 随着带宽需求的不断增加,他们的解决方案有可能为当前的媒体所有者和分销商带来巨大的商业绩效。”

Deep Render 目前有 20 名员工。 Besenbruch 预计到 2023 年底,这个数字将增加两倍多,达到 62 个。

#Deep #Render #认为 #是实现更高效视频压缩的关键

Leave a Reply

Your email address will not be published. Required fields are marked *

内马尔嘲笑维尼修斯在金球奖中获得第八名:“至少第三名” Previous post 内马尔嘲笑维尼修斯在金球奖中获得第八名:“至少第三名”
Red Dead Redemption 的 PS Plus 下架是数字图书馆的另一个坏兆头 Next post Red Dead Redemption 的 PS Plus 下架是数字图书馆的另一个坏兆头