开心彩票--(中国)360百科

隔屏对话、如在现场，云转播助力提升冬奥视频服务******

　　在北京2022年冬奥会期间17个场馆的新闻发布会中，北京冬奥会新闻发布会视频服务系统（Info-AV）这项创新技术被广泛应用。据了解，自1月30日服务本届冬奥会首场正式新闻发布会至冬奥会闭幕，Info-AV系统将249场新闻发布会素材便捷传递至全球媒体记者和工作人员，素材总时长达8049分钟。

　　Info-AV系统为北京国际云转播科技有限公司基于自研的云转播平台实现。该系统的应用，使本届冬奥会的视频服务水平得到提升。

　　什么是云转播？北京国际云转播科技有限公司首席技术官张鹏洲介绍，云转播通过云化采、编、播技术，实现传统转播设备云端化、人员服务远程化。与传统采集中制作人员都在现场的模式不同，现在仅需要拍摄人员在现场，制作、导播人员远程接入网络就可以完成信号制作。原有需要在转播车内完成的多项工作，也可分解为多个团队分别在不同地点通过云转播协同完成。

　　传统转播模式以现场制作为主，需要配备大型导播制作团队，还需要采用昂贵的转播车，设备成本高、人员投入大。相较于传播转播模式，云转播的优势则体现在“两降一升一创”——“两降”指降低转播成本、降低制作节目专业门槛，“一升”指团队效率提升，“一创”指转播模式的创新，为观众提供新体验。

　　作为一项新兴视频直播技术，云转播的实际应用效用如何？在2月16日举行的2022北京新闻中心新闻发布会上，北京冬奥组委技术部部长喻红介绍，Info-AV能将现场拍摄的多角度视频和多音轨音频（包括现场声及同声传译）编码后推送至云端，利用云计算的存储、计算、网络传输等资源，将音视频流进行合成、导播、制作及存储，并输出具有多音轨（HLS格式）的音视频直播流，同时支持收录和点播。该服务依托现代网络、通信及云计算技术，实现大流量、高并发的直播应用，当前可并发支持5场发布会直播。

　　此外，本届冬奥会期间，远程虚拟同框采访系统支撑了多场连线活动。运用该系统，多方连线人能够置身于虚拟直播间，在低时延的交互下远程连线互动，可使用手机完成各方信号的采集及回传。

　　记者了解到，本届冬奥会前的“相约北京”系列测试赛中，已多次使用云转播及相关衍生服务。在五棵松体育馆、首都体育馆、国家体育馆、国家速滑馆和国家跳台滑雪中心，云转播和基于云转播技术的远程无人混合采访、远程新闻发布系统投入应用，并成功完成冰球、短道速滑、速度滑冰、花样滑冰、跳台滑雪等多场赛事和相关活动的转播服务。

　　“远程无人混合采访包含现场混采区（运动员端）、云转播平台和远端记者3个部分。”北京国际云转播科技有限公司产品和解决方案部产品总监郭真提到，利用5G网络的高速率、低延时等特点，通过摄像机和显示屏等视频采集设备和展示屏幕，保证运动员和记者之间的采访实时传输。总体来看，使用5G+云转播技术，不仅减少了现场技术人员聚集，还进一步提升了赛事转播安全。

　　“基于核心底层大视频的能力和一系列云转播的产品和技术能力，未来云转播可以在若干领垂直领域发挥作用。”北京国际云转播科技有限公司董事长崔涛表示，例如，在教育行业，云转播和5G技术能力的结合，将能够为群众文化体育活动、青少年的体育教育培训提供更好的服务和创新体验。（孔繁鑫）

向善而生的AI助盲，让AI多一点，障碍少一点******

　　有人说，盲人与世界之间，相差的只是一个黎明。在浪潮信息研发人员的心中，失去视力的盲人不会陷入永夜，科技的进步正在力图给每一个人以光明未来。

　　AI助盲在人工智能赛道上一直是最热门的话题之一。以前，让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破，更多的失明者正在借助AI提供的感知、理解与交互能力，以另一种方式重新“看见世界”。

　　新契机：多模态算法或将造福数以亿计失明者

　　科学实验表明，在人类获取的外界信息中，来自视觉的占比高达70%~80%，因此基于AI构建机器视觉系统，帮助视障患者拥有对外界环境的视觉感知与视觉理解能力，无疑是最直接有效的解决方案。

　　一个优秀的AI助盲技术，需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展，才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够，以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。

　　多个模态的交互可以提升AI的感知、理解与交互能力，也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说，多模态算法在AI助盲领域的应用一旦成熟，将能够造福数以亿计的失明者。据世卫组织统计，全球至少22亿人视力受损或失明，而我国是世界上盲人最多的国家，占世界盲人总数的18%-20%，每年新增的盲人数量甚至高达45万。

　　大挑战：如何看到盲人“眼中”的千人千面

　　AI助盲看似简单，但多模态算法依然面临重大挑战。

　　多模态智能算法，营造的是沉浸式人机交互体验。在该领域，盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一，这项研究已经吸引了全球数以万计的视障患者参与，这些患者们上传自己拍摄的图像数据和相匹配的文本问题，形成了最真实的模型训练数据集。

　　但是在现有技术条件下，盲人视觉问答任务的精度提升面临巨大挑战：一方面是盲人上传的问题类型很复杂，比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。

　　另一方面，由于盲人的特殊性，很难提取面前物体的有效特征。比如盲人在拍照时，经常会产生虚焦的情况，可能上传的照片是模糊的或者没有拍全，或者没拍到关键信息，这就给AI推理增加了难度。

　　为推动相关研究，来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”，并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题，然后要求给出相应的答案，解决盲人的求助。

　　另外，盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说，盲人逛超市，由于商品外观触感相似，很容易犯错，他可能会拿起一瓶醋却询问酱油的成分表，拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效，没法给出有效信息。

　　最后，针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制，同样也是现阶段的研发难点。

　　多解法：浪潮信息AI助盲靶向消灭痛点

　　AI助盲哪怕形式百变，无一例外都是消灭痛点，逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究，只为帮助盲人“看”到愈发精彩的世界。

　　在VizWiz官网上公布的2万份求助中，盲人最多的提问就是想知道他们面前的是什么东西，很多情况下这些物品没法靠触觉或嗅觉来做出判断，例如 “这本书书名是什么？”为此研发团队在双流多模态锚点对齐模型的基础上，提出了自监督旋转多模态模型，通过自动修正图像角度及字符语义增强，结合光学字符检测识别技术解决“是什么”的问题。

　　盲人所拍摄图片模糊、有效信息少？研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法，并提出多阶段交叉训练策略，具备更充分的常识能力，低质量图像、残缺的信息，依然能够精准的解答用户的求助。

　　目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点，在AI助盲领域斩获世界冠军两项、亚军两项。

　　真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此，研发团队首次提出视觉定位文本去噪推理任务FREC，FREC提供3万图片和超过25万的文本标注，囊括了口误、歧义、主观偏差等多种噪声，还提供噪声纠错、含噪证据等可解释标签。同时，该团队还构建了首个可解释去噪视觉定位模型FCTR，噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议，该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。

　　在智能交互研究方面上，浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA，同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。

　　眼球虽然对温度并不敏感，但浪潮信息的研发团队，却在努力让盲人能“看”到科技的温度，也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍，跨越山海。科技的伟大之处不仅仅在于改变世界，更重要的是如何造福人类，让更多的不可能变成可能。当科技成为人的延伸，当AI充满人性光辉，我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意，见证着更加光明宏大的远方。

　　（文图：赵筱尘 巫邓炎）