11月18日消息，在國際視頻標(biāo)準(zhǔn)MPEG Technical Requirements工作組關(guān)于MPEG Video Coding for Machine（以下簡稱“MPEG-VCM”）的技術(shù)征集提案評測中，阿里巴巴達(dá)摩院聯(lián)合香港城市大學(xué)提交的方案在機(jī)器視覺任務(wù)中取得2項第一，是唯一一個斬獲多項第一的提案。據(jù)悉，MPEG于今年上半年向全球發(fā)布MPEG-VCM技術(shù)征集書，10月完成響應(yīng)提案性能的評測，該階段的提案將為后續(xù)標(biāo)準(zhǔn)制定提供重要參考。

視頻編碼是視頻信號存儲和傳輸?shù)幕�礎(chǔ)，它可以在人眼觀看無明顯質(zhì)量下降的情況下將視頻壓縮數(shù)百倍甚至數(shù)千倍，極大地降低視頻傳輸帶寬成本和存儲成本。該領(lǐng)域于上世紀(jì)八十年代開始進(jìn)入標(biāo)準(zhǔn)化發(fā)展，至今面向人眼的視頻編碼標(biāo)準(zhǔn)已經(jīng)歷了多代的迭代和優(yōu)化，目前最新最高效的視頻編碼標(biāo)準(zhǔn)為H.266/VVC標(biāo)準(zhǔn)。

隨著自動駕駛，智慧城市和工業(yè)互聯(lián)網(wǎng)等人工智能場景的發(fā)展，面向機(jī)器的視頻編碼需求急劇上升，以機(jī)器視覺為主的機(jī)器到機(jī)器的數(shù)據(jù)傳輸預(yù)計將于2023年占據(jù)全球數(shù)據(jù)傳輸總量的約50%。相比傳統(tǒng)視頻，該類場景具有高觀測精度、高感知靈敏度、高強(qiáng)度工作耐受性等特點，業(yè)界迫切需要全新的視頻編碼技術(shù)。為此，MPEG于2019年7月成立VCM工作組，推進(jìn)機(jī)器視覺視頻編碼標(biāo)準(zhǔn)化工作，并吸引了阿里巴巴、愛立信、諾基亞、浙江大學(xué)及ETRI等國內(nèi)外企業(yè)和機(jī)構(gòu)的參與。

提案征集是視頻標(biāo)準(zhǔn)制定的重要階段，本次MPEG-VCM共接收到來自全球16家企業(yè)和機(jī)構(gòu)的提案，所有提案在多項機(jī)器視覺任務(wù)和多個數(shù)據(jù)集上進(jìn)行測試。以BD-rate和BD-rate(Pareto)指標(biāo)衡量各個提案相對于H.266/VVC標(biāo)準(zhǔn)的碼率節(jié)省，最終，達(dá)摩院聯(lián)合香港城市大學(xué)的提案（Proposal 02）在物體檢測任務(wù)中取得兩項性能第一。

（圖：達(dá)摩院與香港城市大學(xué)的提案獲得兩項第一）

據(jù)介紹，達(dá)摩院提出了全新的VCM框架，聯(lián)合自適應(yīng)時空域編碼方案JAST，該方案包括面向機(jī)器的預(yù)分析、面向機(jī)器的預(yù)處理、自適應(yīng)時域變采樣、自適應(yīng)空域變采樣和核心視頻編碼器五大模塊，最終有效提升面向機(jī)器視覺任務(wù)性能的壓縮效率。在標(biāo)準(zhǔn)測試條件的物體檢測任務(wù)中，JAST方案可獲得平均39.04%的性能提升。

達(dá)摩院研究員葉琰表示：“隨著超高清視頻、AR/VR、自動駕駛、智慧城市和工業(yè)互聯(lián)網(wǎng)等新應(yīng)用的爆發(fā)，視頻編碼技術(shù)既要面向人眼也要面向機(jī)器，我們將持續(xù)深度參與國際視頻標(biāo)準(zhǔn)的制定，用創(chuàng)新技術(shù)為各行各業(yè)降低帶寬成本。”

過去幾年，達(dá)摩院積極參與國際視頻標(biāo)準(zhǔn)的制定，在ITU-T和INCITS等重要國際視頻標(biāo)準(zhǔn)組織中擔(dān)任主席和副主席職位，達(dá)摩院自研的Ali266在全球編解碼頂級賽事MSU 2021比賽中獲得了全高清FullHD客觀性能賽道的8項第一和主觀賽道的冠軍。