視頻也能提取“指紋”人工智能破解行業(yè)盜版難題
版權(quán)問題一直是困擾視頻行業(yè)發(fā)展的一大瓶頸，隨著人工智能技術(shù)的逐漸成熟，這一問題也有望得到解決。
日前，阿里大文娛集團(tuán)聯(lián)合阿里巴巴達(dá)摩院共同發(fā)布了名為鯨觀的全鏈路數(shù)字版權(quán)服務(wù)平臺。據(jù)悉，該平臺通過搭載達(dá)摩院iDST（數(shù)據(jù)科學(xué)技術(shù)研究院）的人工智能技術(shù)，可實(shí)現(xiàn)對視頻的智能編輯，同時在音視頻素材上抽取指紋，讓其在全網(wǎng)范圍可追溯。
這也是阿里達(dá)摩院自成立以后，研究成果的首次落地。阿里巴巴達(dá)摩院iDST首席科學(xué)家兼副院長任小楓告訴21世紀(jì)經(jīng)濟(jì)報道記者：馬老師（指馬云）給我們定的目標(biāo)非常高，我們要做的就是解決未來的問題。其中就包括視頻行業(yè)的版權(quán)保護(hù)問題。
解決盜版難題
近年來，視頻行業(yè)得到了迅猛的發(fā)展。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心第40次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2017年6月，中國網(wǎng)絡(luò)視頻用戶規(guī)模已達(dá)到5.65億。
與之對應(yīng)的是視頻數(shù)量的爆發(fā)。據(jù)今日頭條創(chuàng)始人張一鳴近日表示，僅今日頭條旗下的平臺，每天就有超過2150萬條短視頻上傳。但是，隨著行業(yè)的迅猛發(fā)展，搬運(yùn)工、剪刀手等侵權(quán)現(xiàn)象也變得日益突出，如何更高效地進(jìn)行版權(quán)保護(hù)，成為視頻行業(yè)發(fā)展的當(dāng)務(wù)之急。
任小楓告訴21世紀(jì)經(jīng)濟(jì)報道記者，指紋對于視頻的版權(quán)保護(hù)來說非常重要。如果能夠像指紋一樣去計算視頻的精確特征，那就可以對每一個視頻實(shí)現(xiàn)唯一的匹配。
以往，侵權(quán)者會通過加logo、壓縮分辨率或者調(diào)整亮度等一系列操作來改變某一視頻的特征。但通過指紋技術(shù)，就能夠在各種各樣的變化中找出他們，現(xiàn)在我們已經(jīng)可以去分辨多場景的視頻，且準(zhǔn)確率在99%以上。任小楓說。
實(shí)現(xiàn)這一成果的背后，人工智能功不可沒。據(jù)悉，鯨觀平臺在處理視頻時，會利用達(dá)摩院iDST的人工智能技術(shù)對視頻內(nèi)容進(jìn)行各個維度的分析，并為之打上兩萬余種標(biāo)簽，同時利用知識圖譜對標(biāo)簽進(jìn)行多維度編目。這樣一來，視頻內(nèi)容就變得可識別和搜索了。
另據(jù)21世紀(jì)經(jīng)濟(jì)報道記者了解，除了精準(zhǔn)的識別技術(shù)外，鯨觀平臺在視頻處理效率上也實(shí)現(xiàn)了突破。目前，其通過一臺機(jī)器就可以處理近30萬小時的視頻。
任小楓告訴記者，這是因?yàn)樵撈脚_采用了一個二值的索引引擎。簡單來說，就是把視頻所有的變化都轉(zhuǎn)化成二值，即零或一，這樣便能簡化視頻的指紋特征，機(jī)器人維修，使得存儲和計算速度得到大幅提升。
目前，鯨觀平臺上視頻的下載、解碼、編碼都能夠達(dá)到毫秒級的處理速度，5分鐘時長的視頻經(jīng)過上述全鏈路處理可在10秒內(nèi)完成。更為重要的是，在這個過程中，視頻的精度不會損失，和原始特征一模一樣。
視頻技術(shù)接近美國
今年6月，任小楓加入阿里擔(dān)任阿里巴巴iDST首席科學(xué)家和副院長。資料顯示，iDST是阿里巴巴負(fù)責(zé)人工智能技術(shù)研發(fā)的核心團(tuán)隊，成立于2014年，由一批杰出的科學(xué)家及工程師組成，分布在杭州、北京、西雅圖、硅谷等地。
而在此之前，任小楓是亞馬遜級別最高的華人科學(xué)家。他從2013年開始任職于亞馬遜無人零售店AmazonGo部門，并領(lǐng)導(dǎo)計算機(jī)視覺算法團(tuán)隊。因此，其對計算機(jī)視覺領(lǐng)域中的圖像分類、物體識別、跟蹤、檢測、事件檢測等均有全面且深入的理解。
任小楓告訴21世紀(jì)經(jīng)濟(jì)報道記者，對于視頻技術(shù)，KUKA機(jī)器人維修，他有很多期望，這次與阿里大文娛一起發(fā)布鯨觀平臺，也是希望視頻技術(shù)在這個平臺上能夠得到鍛煉和提高。
加入阿里以后，任小楓仍專注于計算機(jī)視覺領(lǐng)域的研究，并主攻圖像視頻內(nèi)容的識別和理解。在他看來，目前的工作內(nèi)容其實(shí)與在亞馬遜并無太大差異，都是對動態(tài)的人體或者物體進(jìn)行檢測，同時對其姿態(tài)、動作進(jìn)行分析等。
從技術(shù)角度來說，動態(tài)的視頻要比靜態(tài)的圖片更加難以識別和分析。以人臉識別為例，在視頻中就可能會受到分辨率、角度、距離等因素的影響。為解決這些問題，我們選擇使用超深卷積網(wǎng)絡(luò)，并對模型簡化加速，從而實(shí)現(xiàn)精準(zhǔn)的人臉檢測、跟蹤、識別。任小楓說。
但對于這位技術(shù)大牛而言，他腦海中對視頻的理解，并不是簡單的給視頻加上一些標(biāo)簽，而是要能對視頻內(nèi)容更加細(xì)致的理解和分析。比如有些視頻的人物、場景都無法識別，庫卡機(jī)器人驅(qū)動器維修，但可以分析他們的關(guān)系；或者可以對一些動作、行為進(jìn)行識別和分析。這也將是阿里巴巴iDST未來要研究的方向。
任小楓坦言，視頻技術(shù)正處于快速發(fā)展的階段，他自己也在思考，除了提升現(xiàn)有的一些技術(shù)應(yīng)用外，還有沒有新的領(lǐng)域可以進(jìn)行探索。
而在談及中美的技術(shù)差異時，他告訴記者，中國在人工智能技術(shù)上與美國其實(shí)還是有一些差距，不過，在人臉和圖像的識別技術(shù)上，這個距離已經(jīng)非常接近。