移动网络、服务和服务测试领域的全球领导者思博伦通信近日发布了其增强版Umetrix?视频解决方案。该增强版方案可对通过移动网络和智能电话提供的流视频服务质量进行测试。这种解决方案使用自然景观统计和机器学习技术,来确定基于标准的视频VMOS评分,可实现与用户感知评分的关联。
传统的方法是评估交付至用户设备的数据包,从而引申出视频的质量,但这些方法往往忽视了视频在移动设备上的编码、解码和显示过程。其它的一些方案则依靠参考视频来用于对比,而且往往需要在智能手机上安装专有软件,因此在许多用例中不切实际。思博伦的解决方案支持任意移动视频服务,可对视频内容本身进行分析,探测其中的各类缺陷,例如过度压缩造成的斑块效果,并且可以在不提前了解原始视频的情况下执行评分。
IHS Markit公司移动基础设施及运营商经济研究及分析执行总监Stéphane Téral说:“主要移动服务商和OTT 服务商正在服务质量方面展开越来越激烈的竞争,而视频内容已经成为客户取向中的一个关键组成部分。随着移动用户消费的视频内容越来越多,视频质量评估和基准测试及方法也变得愈发重要。”
思博伦通信负责产品营销的副总裁Saul Einbinder表示:“我们的移动运营商客户都希望我们为其提供协助,解决对视频服务执行自动化和真实基准测试的问题。现在,智能电话或平板电脑OEM厂商,以及视频服务商都有能力发现网络会对视频性能产生怎样的影响,或视频体验会对网络产生怎样的影响。视频编码解码器技术的演进,正在打破带宽和感知质量之间的传统固定关系。”
思博伦的Umetrix视频解决方案目前已被智能手机和芯片制造商、移动网络运营商和视频服务商广泛用于认定各类设备的质量,并验证其服务的准备情况。全新的Umetrix视频解决方案可帮助这些机构对比其视频性能,探索带宽要求,并对设备和软件更新执行快速回归测试。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。