Harmonic e l’AI per il video: gli algoritmi di apprendimento automatico

L’intelligenza artificiale (AI) è la forza motrice che sta portando la compressione video a un livello completamente nuovo. Dall’introduzione della codifica video per la trasmissione, due decenni fa, il multiplexing statistico, la codifica dual pass e, più di recente, la migrazione al cloud, tutto ha contribuito a spingere i limiti della compressione a nuovi livelli.

La prossima generazione di sviluppi sfrutterà uno dei principali punti di forza dell’IA: la sua capacità di rilevamento visivo con grande dettaglio. Questa capacità visiva dell’AI sta già conducendo progressi medici, in particolare nelle aree del riconoscimento precoce del cancro.

Harmonic ha sviluppato queste tecnologie per l’uso della codifica basata sui contenuti (CAE), imitando il modo in cui l’occhio umano guarda il mondo.

Ciò ottimizza la codifica in base al tipo di contenuto: in sostanza concentrandosi sulle aree di un’immagine su cui l’occhio umano si focalizza. Un esempio di questo potrebbe essere un calciatore con la palla: in genere lo spettatore si concentra sull’azione.

Una compressione video di successo deve anche raggiungere il concetto ideale di ridurre al minimo la velocità in bit, massimizzando al contempo la qualità delle immagini.

La sfida è che gli algoritmi di compressione incidono sulle risorse di elaborazione e sulla latenza durante l’elaborazione live.

Gli algoritmi avanzati di apprendimento automatico possono aiutare a risolvere questi problemi, utilizzando la stima intelligente del movimento, per anticipare la quantità di capacità necessaria nei fotogrammi video successivi.

Esistono tre categorie principali di algoritmi di machine learning, ossia di apprendimento automatico: apprendimento supervisionato, non supervisionato e di rinforzo.Di questi tre, gli algoritmi di apprendimento supervisionato sono i più utilizzati nel campo della codifica e della compressione video. Inoltre, le sue capacità predittive, basate sulla capacità dell’IA di elaborare e confrontare enormi quantità di big data, lo rendono particolarmente adatto per l’elaborazione video.Gli algoritmi di apprendimento senza supervisione apportano il loro contributo all’evoluzione della codifica, con la loro capacità di trovare gruppi cluster di video.

Ciò significa che può trovare somiglianze nei contenuti video, al fine di sfruttare economie nella larghezza di banda.

Infine, gli algoritmi di apprendimento del rinforzo possono essere utilizzati per migliorare l’algoritmo di compressione globale nel tempo. L’algoritmo può essere distribuito e quindi continua a migliorare, “autonomamente”, nel tempo, man mano che sempre più dati (o in questo caso video) vengono inseriti in esso.

In prospettiva, l’uso di algoritmi di apprendimento automatico è destinato ad accelerare il ritmo delle evoluzioni nella compressione video in modo esponenziale, poiché riducono sia il tempo che il costo degli sviluppi. Ciò significa che diventeranno possibili anche algoritmi di compressione personalizzati, piuttosto che quelli generici di oggi.

Tutti questi aspetti diventeranno particolarmente importanti quando le emittenti e altri fornitori di contenuti migreranno i loro modelli di business nel cloud.