人工智能在视频应用中的实践探索,涉及编解码器、超分辨率等.doc
《人工智能在视频应用中的实践探索,涉及编解码器、超分辨率等.doc》由会员分享,可在线阅读,更多相关《人工智能在视频应用中的实践探索,涉及编解码器、超分辨率等.doc(4页珍藏版)》请在三一文库上搜索。
1、人工智能在视频应用中的实践探索,涉及编解码器、超分辨率等人工智能热度很高,但泡沫也很大。人工智能在视频领域的应用已经走入寻常人的生活,人脸识别,视频自动抠像技术已经比较成熟。除此之外,人工智能还能为视频应用带来哪些变化呢?描述了人工智能在视频应用中的实践探索,涉及编解码器、超分辨率等。序:人工智能来生今世人工智能是一个非常广泛的领域,当前人工智能涵盖很多大的学科,大致归纳为六个:计算机视觉(暂且把模式识别,图像处理等问题归入其中);自然语言理解与交流(暂且把语音识别、合成归入其中,包括对话);认知与推理(包含各种物理和社会常识);机器人学(机械、控制、设计、运动规划、任务规划等);博弈与伦理(
2、多代理人agents的交互、对抗与合作,机器人与社会融合等议题);机器学习(各种统计的建模、分析工具和计算的方法)。这里值得强调几点:第一)目前的人工智能都是属于弱人工智能的范围,在某一个专业领域内作为被人类使用的工具存在。 目前还不存在离开人类主体自行运行的人工智能,更不存在可以开发人工智能自我迭代进化的强人工智能。第二)机器学习在近几年取得了很大进展,有些人直接把机器学习当成了人工智能的代名词。这是不准确的。举例来说,不可否认机器学习在计算机视觉领域发挥着越来越大的作用,但是传统意义上,通过人工建模,分析取得的模式识别,图像识别,图像增强仍旧是很成功的人工智能技术,并且也是机器学习进一步发
3、展的基础。第三)统计分析方法在1990年代就出现并在一定领域内使用了。统计分析方法也多种多样的,根据实际需要产生过很多成功的案例,不一定采用目前标准的建模和分析方法。这里面举个典型的例子,在1997年Intel推出mmx技术之前,程序员中流传着一个非常著名的查表IDCT(反余弦变换),实际上就是对MPEG1编解码过程的IDCT变换,做了统计分析后发现的,超过之前所有快速算法的实战案例。具体细节请点击阅读原文下载IDCT 8x8.DOC。第四)机器学习有这几个比较明显的缺陷,想要在实战中取得良好的效果,就必须做出合理的取舍和优化。这几个缺陷是:严重依赖数据,训练方法和训练量非常关键。计算量偏高。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 视频 应用 中的 实践 探索 涉及 编解码器 分辨率
链接地址:https://www.31doc.com/p-3373311.html