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
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。