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
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
萨里大学与西蒙菲莎大学联合提出ABACUS模型,首次将物体计数、人群计数、指代计数与精准图像生成统一在单个30亿参数模型中,七项基准全面超越现有专业模型。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
Qwen团队揭示AI代码助手训练中"验证比生成更难"的核心困境,提出覆盖测试筛选、行为监控、用户反馈挖掘和代理评估四类验证方案,并以实验证明验证系统须持续与AI能力共同进化。