第二届“马栏山杯”国际音视频算法大赛颁奖盛典暨高峰论坛举行

　　长沙晚报掌上长沙9月17日讯（全媒体记者 尹玮）9月17日下午，第二届“马栏山杯”国际音视频算法大赛颁奖盛典暨高峰论坛在长沙举行。这是同日开幕的2021世界计算大会的一项活动。

　　挑战来自业界  实践解决问题

　　第二届“马栏山杯”国际音视频算法大赛由马栏山视频文创产业园和芒果TV联合举办。和首届大赛一样，第二届给出的三大赛题（视频补全、视频推荐、音乐节拍检测），也都来自业界实际需求。

　　以视频补全为例，它是指在视频特定时空区域内，填充一段新合成的内容。补全的反义词是抹除，在视频制作后期中就经常会遇到抹除情况。

　　比如影视剧拍摄中常常不慎出现穿帮镜头，古装剧中乱入现代元素最为明显，《新白娘子传奇》中许仙与白素贞在断桥相会，背后是西湖高耸的路灯，《西游记》唐僧参观乌鸡国的皇家寺院，地上有下水道井盖。这些实地取景的剧组不可能去破坏现场环境，这些穿帮镜头就只能年复一年地播下去。而有了抹除技术，这些穿帮镜头就不再是困扰了。

　　再如许多视频产品会经历较长的策划、制作、播出周期，一着不慎遇到劣迹艺人“爆雷”，就会遭受重大损失，这时将劣迹艺人抹除就是一个可行的方案，2019年的北京卫视春晚就是一个让观众赞叹不已的经典案例。

　　抹除后，视频上就会出现一处空白，这时就需要视频补全来填入相应内容。可以说，视频补全和抹除是相生的关系。补全的难点在于，补好的视频要连贯自然，没有违和感，观众察觉不出来。而这个难点，正是“马栏山杯”要解决的问题。

　　技术凸显价值  机遇给予勇士

　　作为顶级的音视频算法大赛，“马栏山杯”吸引了众多顶尖高手参与。本届大赛吸引了1959支队伍参赛，较去年首届增长了51.4%，选手有的来自一流大学，有的来自一线大厂，都是计算机科研与工程界的一线实操者。比如视频补全的冠军惠政，就是来自西安电子科技大学的博士，目前在阿里达摩院实习。

　　记者注意到，获奖选手一方面给出了不同的解决方案，另一方面又表现出某种共性，那就是深度学习成为大热门。以视频补全为例，前三名方案各有所长，冠军惠政是耗时最优（3.5个小时），亚军詹文鹏、黄峥在物理内存占用方面优势很大，平均消耗2.14G，季军薛昊岚、王攀在显卡内存占用方面一骑绝尘，平均消耗4.1G。虽然三者使用了不同的模型，但都是深度学习模型。深度学习是目前计算机科学领域的热门，通过让计算机学习样本数据的内在规律，从而获得对文字、图像、声音等数据的识别能力，这一技术在音视频领域有着重要的应用前景。

　　技术重要，掌握技术的人才更重要。“马栏山杯”的另一个意义就是吸引优秀的算法人才来到长沙。颁奖盛典现场，陈搏、梁超签约芒果TV。

　　记者还见到了去年大赛签约的美女程序员王心莹，落户长沙一年后，她对目前的工作状态十分满意。“单位氛围很好，和同事们的合作很愉快，我在这里能充分发挥专长。”王心莹告诉记者，视频补全就是她提出，经过大家讨论后成为赛题的，她在和选手唠嗑的过程中也学到了很多。王心莹如今在长沙算是站稳脚跟，丈夫也在寻找长沙合适的工作岗位，等到夫妻团聚后就真正扎根在星城了。“我感觉长沙非常重视人才，单位在解决配偶工作方面，也给予了我很多支持。”王心莹说。

　　降低行业成本  提高用户体验

　　在颁奖盛典现场，还展示了很多“黑科技”。

　　YAOYAO是芒果TV首个虚拟主持人，大家也可以叫它瑶瑶。其实瑶瑶身上也有真人影子，即通过真人运动来驱动虚拟人运动，这一技术叫动作捕捉。2008年的电影《阿凡达》全程运用动作捕捉技术完成，在大银幕上创造了如梦如幻的潘多拉星球和蓝皮肤的纳美人，是里程碑式的作品。

　　正如《阿凡达》的例子，演员拍摄时需要穿上专门的动捕服，粘贴标记点，动作捕捉技术成本十分高昂。对此，芒果TV创新研究院研发了iPad动捕系统，用四台iPad取代了繁杂的动捕服穿戴设备。具体来说，四台iPad布置在四个角落，围成一个舞台空间，演员在中间活动，iPad记录到人身上的22处骨骼信息，对应到虚拟人身上，实现虚拟人的动作表达。

　　产品经理杨先生介绍说，这一技术能降低动作捕捉90%以上的成本，在精度要求没那么高的场景有着广阔的应用。比如视频直播领域，一些外形不佳的主播就可以创建虚拟主播形象。

　　三大赛题之一的音乐节拍检测，则通过识别音乐的强弱拍，提高用户的观看体验。在出题的时候，组委会专门请来音乐专业的学生，人工标记强弱拍。而如今借助算法，这一过程已经完全自动化了。负责人谭松、罗准介绍说，在微博、抖音、B站上，常常能看到那种节奏感特别强的踩点视频，观众甚至都忍不住跟着抖腿。通过音乐节拍检测，乐感不强的人也能方便地制作踩点视频。此外，音乐节拍检测与手机发光、震动功能相结合，还能模拟出录制现场、KTV的效果，让观众听音乐时如临现场。目前，这一功能已经在芒果TV的App上得到了应用。