技术文章

编者按：随着视频直播不断向着超高清、低延时、高码率的方向发展， Apple Vision的出现又进一步拓展了对3D, 8K 120FPS的视频编码需求，视频的编码优化也变得越来越具…

在前面的博文中我们介绍了关于使用NDK编译FFMpeg6.0的一些坑以及相关的解决方法。 详情请参考：NDK编译ffmpeg6.0与x264的坑 在写《NDK编译ffmpeg6.0…

早在大语言模型如 GPT-3.5 等的兴起和被日渐广泛地采用之前，教育行业已经在 AI 辅助教学领域有过各种各样的尝试。在教育行业，人工智能技术的采用帮助教育行业更好地实现教学目标…

最近一段时间做了点和说话人日志(speaker diarization)相关的工作，所以在这里对说话人日志做一个简单的整理。说话人日志也叫说话人分离，是从一个连续的多人说话的语音中…

剪枝是深度神经网络 (DNN) 的主要压缩方法之一，从 DNN 模型中删除不太相关的参数以减少其内存占用。为了获得更好的最终精度，通常迭代地执行剪枝，在每一步中删除越来越多的参数，…

研究意义 虚拟数字人即运用数字技术创造的、拥有数字化表现形式的虚拟人物，大规模生产高质量虚拟数字人化身，既是人类进入“元宇宙”等虚拟世界的基础，也是人类进一步探索更广阔的数字空间的…

在V4L2子系统中，Video设备是一个字符设备，设备节点为/dev/videoX，主设备号为81，次设备号范围为0-63。在用户空间，应用可以通过open/close/ioctl…

1、问题背景 最近在基于 Android 的平台调试一款摄像头，客户有反馈一个问题，系统自带的 Camera2 app 预览出图是正常的，但用 Zoom app 打开摄像头，出图画…

很长时间以来，我一直想了解点对点浏览器网络和 WebRTC，但一直在寻找合适的项目。最近，我在重看 Twitch Plays Pokemon 的一些旧视频时突然有了灵感，心想如果能…

研究意义 随着传感器网络和无线通信技术的快速发展，系统规模持续扩大。 集中式状态估计依赖中心节点处理系统的全部信息，其计算和通信负担随着系统规模增长而急剧增加，不适用于大规模系统。…

对于XR，音频是关于沉浸感的一个关键因素。所以，厂商都在积极探索提供最佳的空间音频效果。在名为“Generating spatial audio and cross-talk ca…

在提到人工智能时，我们会很容易的联想到AlphaGo、ChatGPT4等模型。人工智能在智力测试或下棋时表现出了达到甚至超过成年人的水平。然而在感知和行动方面，让它们具备一岁孩子的…

前言： 大家好，今天给大家来分享一篇关于图像质量的内容，这个内容是我在做onvif中的imaging setting的时候，关注到里面有关于: brightness(亮度) col…

对象检测是计算机视觉中的一项基本任务，涉及识别和定位图像或视频中的对象。多年来，已经开发了多种对象检测算法，每种算法都有自己的优点和局限性。YOLOv4（You Only Look…

国内直播行业已呈现一片红海，各直播产品的用户增长速度在逐渐放缓，行业内竞争进入白热化阶段，急需通过在直播体验上的精细化运营来保障平台营收。如针对重大活动、头部主播进行直播体验优化保…

你有没有想过，两台电脑如何仅通过浏览器（Chrome、Firefox、Safari、Brave）就能形成点对点连接？ 我们今天使用的许多应用程序都使用 WebRTC 提供服务。直播…

WebRTC 因其易用性和低延迟性而成为实时通信应用的热门选择。然而，与任何技术一样，WebRTC 也并非没有缺陷。在 WebRTC 通话中，我们经常会遇到几个常见问题。这些问题会…

研究简介 东南大学杨军教授、司鑫副研究员的英文评述“From Macro To Microarchitecture: Reviews and Trends of SRAM-Base…

近日，欧洲专利局公布了苹果公司的一项专利申请，涉及一种为用户提供双扬声器系统的新型耳机。更具体地说，耳机为用户提供了在私人或公共模式下听音乐的选择。例如，通过机器学习，耳机将能够确…

前两天有个同学咨询DTMF相关的问题，还是在5年前有接触过，后来就没有怎么碰了，肝了三天整理一下相关基础知识，期望能够帮助到其他有需要的小伙伴。 双音多频 (DTMF) 双音多频 …