技术文章

这个系列文章我们来介绍一位海外工程师如何探索 ExoPlayer 音视频播放技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 12 篇：ExoPlayer…

近年来，诸如 CLIP 之类的对比语言-图像模型已成为学习视觉表征的默认选择，尤其是在视觉问答 (VQA) 和文档理解等多模态应用中。这些模型利用大规模图像-文本对，通过语言监督来…

一个普遍的事实是，几乎 80% 的互联网流量由视频组成，因此，视频内容提供商有责任以更高效、更环保的方式进行流式传输。提高流媒体效率的很大一部分努力归结为更好地压缩或转码视频，并在…

作者：Tono，信也科技后端研发专家来源：拍码场链接：https://mp.weixin.qq.com/s/jy8Q8plgJQLiueHF2k5OVA 什么是 SSE SSE（S…

这个系列文章我们来介绍一位海外工程师如何探索 ExoPlayer 音视频播放技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 11 篇：ExoPlayer…

视觉语言模型本地化字幕面临的挑战 描述图像或视频中的特定区域一直是视觉语言建模领域的一项挑战。虽然通用视觉语言模型 (VLM) 在生成全局描述方面表现良好，但它们往往无法生成详细的…

WASM simd128是从常见CPU架构指令集里抽取出来的交集，相比ARM少了很多操作，相比x86不光操作少，寄存器还只有128bit，发挥空间小。WASM的simd指令还在扩充中，用更新的指令集也是后续的一个优化方向。

本项工作是上海交通大学图像所MediaLab和传音多媒体团队的合作成果，获得CVPR NTIRE 2025高效超分辨率挑战赛道的第一名。卷积神经网络（CNN）在高效图像超分辨率领域…

近年来，视觉语言模型 (VLM) 在连接图像、视频和文本模态方面取得了显著进展。然而，一个持续存在的限制依然存在：无法有效处理长上下文多模态数据，例如高分辨率图像或扩展视频序列。许…

这个系列文章我们来介绍一位海外工程师如何探索 ExoPlayer 音视频播放技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 10 篇：ExoPlayer…

近年来，随着社交媒体、流媒体平台以及XR设备的快速发展，沉浸式3D空间视频的需求迅猛增长，尤其是在短视频、直播和电影领域，正在重新定义观众的观看体验。2023年，苹果公司发布的空间…

Real-Time Messaging Protocol（RTMP，实时消息传输协议）对实时流媒体技术产生了重大影响。虽然后面出现了许多新的协议，但 RTMP 为今天的流媒体技术奠…

这个系列文章我们来介绍一位海外工程师如何探索 ExoPlayer 音视频播放技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 9 篇：ExoPlayer …

设计通用视觉编码器的挑战 随着人工智能系统日益多模态化，视觉感知模型的作用也愈发复杂。视觉编码器不仅需要识别物体和场景，还需要支持诸如字幕制作、问答、细粒度识别、文档解析以及跨图像…

随着远程办公、在线学习和实时互动的不断发展，视频通信正变得更加沉浸式、智能化，并由人工智能驱动。在本文中，我们将探讨 2025 年的 7 大视频通信趋势，从生成式人工智能和空间音频…

FFmpeg Flutter Kit 软件包已停用，预编译的二进制文件也已移除。这意味着开发者现在需要在本地编译 FFmpeg 二进制文件才能在 Flutter 应用中使用它们。在…

本文研究探讨了 Google 如何利用 glTF 改进产品教育、降低成本、简化工作流程，同时提升 3D 内容创作的水平。

这是一个开源的时代，开源共享是一种理想国。事实上，因为开源软件种类太多，大部分用户出现了选择困难。选型失败，结果也必然失败，最终产品也必然失败。做正确的事情，用正确的方法做事情。为…

这个系列文章我们来介绍一位海外工程师如何探索 ExoPlayer 音视频播放技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 8 篇：ExoPlayer …

尽管视觉语言建模取得了快速发展，但该领域的大部分进展都源于基于专有数据集训练的模型，这些模型通常依赖于闭源系统的提炼。这种依赖阻碍了科学的透明度和可重复性，尤其是在涉及细粒度图像和…