即构发布移动端实时超分辨率技术,迭代视觉新体验

即构科技推出了基于深度学习的自研超分、自研去编码效应,通过 AI 算法来放大原有图像的分辨率以达到提升画质的效果。

即构发布移动端实时超分辨率技术,迭代视觉新体验

超分辨率(Super Resolution,简称 SR),是计算机视觉的一个经典应用。SR 是指通过软件或硬件的方法,从观测到的低分辨率图像重建出相应的高分辨率图像,简单来说就是通过 AI 算法来放大原有图像的分辨率以达到提升画质的效果。在监控设备、卫星图像遥感、数字高清、显微成像、视频编码通信、视频复原和医学影像等领域都有重要的应用价值。

近年来,随着深度学习技术的快速发展和设备运算能力的不断提升,基于 AI 的超分技术在图像恢复与增强领域也已经呈现出广阔的应用前景,并且在实时通信领域也掀起了革新应用之风。

条件限制,引发清晰度困扰


在前期的市场调研中,我们针对用户进行了深入访谈沟通,了解到了目前业务上的一些瓶颈。现在,就跟随小编来一起看一下这些用户究竟遇到了怎样的问题?

国内用户场景:

场景一:小张用手机看PC端主播的直播,发现画质不好。因为手机是竖屏分辨率,需要从横屏分辨率的画面裁剪下来才能将画面填满手机屏幕,但是裁剪导致分辨率下降,画质降低。

场景二:小学生小王使用智能手表与妈妈手机视频通话的时候,发现手表容易发热,流量也用得快。因为受限于芯片性能,发送高分辨率的视频时比较消耗性能。

海外用户场景:

场景一:小刘在印度生活,平常看直播只能看标清视频,因为当地网络不好,再提高分辨率就会容易卡顿,体验很差,因此只能接受标清的画质。

场景二:小李在美国留学,有天和印度的朋友视频通话时发现画质有点差,因为印度网络质量不好,只能推送标清视频。

由此可以看出,用户在一些特殊场景下,画质清晰度十分不理想。那么,以上用户的问题我们可不可解?

即构推出自研超分,清晰度 up!

目前,即构科技推出了基于深度学习的自研超分、自研去编码效应,通过 AI 算法来放大原有图像的分辨率以达到提升画质的效果。

通过使用超分,可以在本地将实时视频的分辨率放大两倍(x2),比如将 360P 超分成 720P 画质更清晰、纹理细节更细腻、文字更清楚,并且在播放端本地超分,不会增量带宽、流量,解放网络压力,同时在播放端本地超分,也不依赖推流端,解放主播/推流用户性能。使用超分后的优势总结如下:

提升画质 —— 由于分辨率的提升,像素点更多,画质整体会比原画面更加清晰;

去编码脏块 —— 去除由于码率不足引起的编码脏块,画面更加平滑整洁;

不会增加流量以及带宽成本 —— 超分功能是端上的能力,只依赖设备性能;

  • 不会增加推流端的性能消耗 —— 超分在拉流端(播放端)运行。

以下两段视频让我们一起来看一下使用即构超分后带来的效果变化:

那么我们上述提到的国内和海外四个用户场景在使用 ZEGO SDK 超分后,又有怎样的效果变化?

国内用户场景:

场景一:使用即构技术后:画质达到超清(720P/960P),无视恶劣的网络条件;

场景二:使用即构技术后:画质达到超清,不用担心跨端导致画质降低的问题了;

海外用户场景:

场景一:使用即构技术后:画质达到超清,不再受限于网络条件;

场景二:使用即构技术后:画质达到超清,沟通和以前一样流畅。

由此可见,当使用超分黑科技加成后,画质飞跃。那么何种场景适合使用超分?可以简单理解为用于想提升画质,却又受到某些限制的环境。具体分为以下几类:

网络环境受到限制。对于网络环境压力大的地区,选择超分提升画质档次,避开网络的限制;

硬件条件受到限制。摄像头无法提供高分辨率、推流端的性能不够编更高分辨率的视频;

购买成本受到限制。期望提升画质,但是对应的分辨率/带宽/流量档位价格太高

一览即构超分优势

  • 在资源受限的移动端,基于深度学习的自研超分、自研去编码效应,对比业界 SOTA 及友商,模型大小相当时,即构自研 SR 主客观数据更好,覆盖机型更广;
  • 在性能不变的情况下可以累加编码去脏去块效应和累加智能锐化,也就是说,一个模型,可以完成超分+去编码效应+智能锐化,性能不变;
  • 极小超低轻量级模型,仅0.69G FLOPs,我们在 Set5 中的 PSNR/SSIM 可以达到36.898/0.9554,在此运算量下,几无对手;
  • 机型覆盖更广,支持 2500+ 种机型,国内 Android 设备覆盖率为 50%,iOS 设备覆盖率为 90%;

目前即构科技已可以在 1v1视频通话,秀场直播、电商直播等单主播场景,低分辨率场景,智能硬件,跨端通信等场景接入超分。

ZEGO

高分辨率的视频能提供更清晰的画面和更高阶的感官体验,对于提升视频质量和用户视觉感受有很大的帮助。ZEGO 即构科技发布移动端实时超分辨率技术,帮助客户获得畅爽的视频体验,致力于打造更高水平的图像恢复和图像增强。

未来,即构超分将继续进行算法性能优化,在效果不下降的情况下,覆盖更多机型,包括网络模型的性能优化、前馈推理库的性能优化,支持PC端,并且会结合去编码块效应(更低性能消耗),进一步提升视频效果!