音视频技术开发周刊 | 280

每周一期，纵览音视频技术领域的干货。

新闻投稿：[email protected]。

Netflix在动画片中使用AI辅助的背景画面

https://arstechnica.com/information-technology/2023/02/netflix-taps-ai-image-synthesis-for-background-art-in-the-dog-and-the-boy/

基于混合神经体素的快速多视视频合成

基于 NeRF 的方法已经证明了为静态场景渲染照片逼真的新颖视图的可能性，许多方法将神经辐射场扩展到具有时间查询或显式变形场的动态场景中。

单目视频的个性化人脸 NeRF 模型

为了构建个性化语义面部模型，作者将基定义为多个多级体素场。以短的单目 RGB 视频作为输入，本文提出的方法可以在十到二十分钟内构建目标的语义面部 NeRF 模型，并可以在几十毫秒内渲染出具有给定表情系数和视角方向的逼真的人脸图像。

BigColor：利用生成先验给自然图片上色

文章提出了一种利用生成先验的上色方法 BigColor，可为具有复杂结构的各种野外图像提供生动的着色。使用空间特征图而不是空间扁平化的 BigGAN 潜在码，扩大了表示空间。

纽约现代艺术博物馆的装置标志着 AI 艺术的突破

AI 艺术家 Refik Anadol 表示：“现在我们正处于‘文艺复兴’时期。”

KALOS.art AI 作品每周精选 003

爱好者们可以在这里探索发现，购买作品图片（带商用授权），跟艺术家们开启私信通道交流。

英飞凌领导开发未来“数字耳朵”传感器项目

“Listen2Future”项目为工业和医学开发更新更小的麦克风和超声波传感器。精准的微型助听器、婴幼儿快速感染控制或可穿戴超声贴片是其关键应用。

虚拟现实—VR视频技术介绍

文章主要从VR视频压缩编码，视频传输，渲染显示等几个方向进行简单的介绍。本文来自抖音多媒体实验室。

云SRS：支持虚拟直播

使用云SRS可以结合虚拟直播和多平台直播，将直播流推到云SRS后转多个平台。

ChatGPT：关于WebRTC的未来，你怎么看？

ChatGPT可能在几天内成为某个领域的专家，不信？看看他对WebRTC的解读。感谢刘连响对本文的审校。

让天下没有难训练的大模型，微软亚洲研究院开源TorchScale

微软亚洲研究院从深度学习基础理论出发，研发并推出了 TorchScale 开源工具包。TorchScale 工具包通过采用 DeepNet、Magneto 和 X-MoE 等最先进的建模技术，可以帮助研究和开发人员提高建模的通用性和整体性能，确保训练模型的稳定性及效率，并允许以不同的模型大小扩展 Transformer 网络。

ChatGPT成为有史以来增速最快的应用

https://arstechnica.com/information-technology/2023/02/chatgpt-sets-record-for-fastest-growing-user-base-in-history-report-says/

OpenAI是如何胜过谷歌的？ChatGPT发展简史

为什么OpenAI的成立初衷就要与谷歌竞争？

Google 会议中的 AI 技术与在浏览器中执行实时音频机器学习应用

在浏览器上使用机器学习会存在一些额外的性能上的挑战，包括如何在浏览器内部运行，并确保在各种不同的终端设备上实时运行。另一方面，在视频会议场景下，同样还需要确保能够实时运行，即达到 30 fps

科学期刊禁止将ChatGPT列为论文作者，ChatGPT自己怎么看？

科学网博主刘洋老师将ChatGPT接入微信，人工智能化身数字人“AEKnow”。他们向AEKnow提问关于署名政策的看法，有意思的是，AEKnow会根据提问者的倾向而改变自己的回答。

ChatGPT vs Claude，聊天机器人大战打响了？

因不满老东家成为微软附庸，11名OpenAI前员工怒而出走，创立了Anthropic公司，打造了ChatGPT最强竞品——聊天机器人Claude，最新估值50亿美元。

LiveVideoStack：展望2023多媒体生态

LiveVideoStack在2023年有哪些计划？你们对2023年抱有怎样的预期？行业生态将迎来哪些变化？本文来自LiveVideoStack创始人包研。

2023年全球AR/VR市场十大趋势洞察

基于 VR陀螺对于过往经验总结、行业观察及市场判断，特发布《2023年全球AR/VR市场十大趋势洞察》，供业内参考。

芯片设计行业的新趋势

芯片设计变得更复杂不仅仅体现在芯片晶体管规模变大上，还体现在SoC复杂度的提升上，而SoC复杂度提升会带来一系列的改变，包括设计方法学的变化，以及设计验证方面的新需求。这些新的变化和新需求将会驱动未来几年芯片设计的变革。

欧洲 ISE 2023，全球AV影音视听盛宴，新品盘点

ISE 2023展会面积超过52000平方米，比2022年增加了30%以上，超过900家参展商来参展，Absen、Blackmagic Design、Barco、Christie、Crestron、Google、KNX、LANG、LG、Logitech、松下、三星、舒尔、Snap One、索尼等知名品牌亮相展会。

多媒体与健身将在2023年产生哪些火花？

https://www.mux.com/blog/how-video-and-connected-fitness-will-evolve-in-2023-and-beyond

腾讯发布 AIGC 发展趋势报告：迎接人工智能的下一个时代

就内容生产而言，AIGC作为新的生产力引擎，让我们从过去的PGC、UGC，已经不可避免地进入AIGC时代。AIGC代表着AI技术从感知、理解世界到生成、创造世界的跃迁，正推动人工智能迎来下一个时代。

AV1编码器的优化及其在流媒体和实时通讯中的应用

央视春晚的元宇宙技术，微软发布AI声音生成工具VALL-E，百度将推出类ChatGPT风格机器人。

AWS的IVS浏览器SDK发布

https://aws.amazon.com/blogs/media/broadcast-from-a-browser-with-the-amazon-ivs-web-broadcast-sdk/

Discord可通过GeForce RTX 40显卡实现AV1编码4K@60视频直播

https://wccftech.com/discord-brings-av1-streaming-support-with-nvidia-geforce-rtx-40-gpus/

CES 2023：与信心与希望有关

苹果仍然没有参加 CES，Google 在中心展馆主入口的正对面单独设了一个展馆，重点依然是智能家居。亚马逊则在以汽车为主的西馆、中心展馆和Venetian Expo 分馆都设立了展台，微软的展台也不止一处，聚集人流最多的是展示了 XBOX streaming 的游戏展区。

收购机器人界的「Android」，谷歌豪赌未来五十年

过去的几年里，国内外很多机器人和无人机企业，还有无人机驾驶企业，都纷纷将「具备 ROS 开发经验者优先」这句话，加到了算法工程师、研发架构师等岗位的招聘需求里。比如大疆无人机、百度 Apollo、还有华为自动驾驶仿真业务。

再见了HDMI Alt

其实在未能推出配套线缆和适配器的那一刻，HDMI Alt模式就已经没有未来了。HDMI已全面落后DisplayPort。本文来自Arstechnica。

2023年1月合成孔径雷达（SAR）行业动态

我国商业雷达遥感卫星企业—天仪研究院遭美国无端制裁；美媒披露内幕俄乌冲突已演变成"算法之战"。

LiveVideoStackCon 2022北京站 一起见证多媒体趋势

时间：2023年3月31日-4月1日

报名：扫描图中二维码或点击【阅读原文】了解更多详细信息，报名参与。