实时视频交互不仅要求模型理解画面，还要求模型在恰当的时刻作出回应。传统轮次式视觉语言模型主要围绕用户提问生成回答，难以持续跟踪事件并主动判断何时应当发言。针对这一问题，本文提出了以…

Bitmovin 开发者报告最有价值的信号是 “注意力从地基转向地基之上”：自研播放器从 1/4 跌到 3%、自建 CDN 持续下滑、亚秒级延迟需求从 25% 掉到 8%，团队不再自己造基础设施，转而把工程时间投到广告变现、AI 和全会话的 QoE 上。

视频语言模型在时序推理、长视频理解和多模态评测方面进展迅速，使其在广播辅助、沉浸式媒体制作、可穿戴引导、移动监控和 PC 控制面等场景中具备应用潜力。这些场景要求系统在用户仍在操作…

FlowLabs 联合创始人 Marcus Oliver 介绍了公司基于浏览器的实时远程审片解决方案，以及它如何致力于让审片流程走向“平民化”。 请介绍一下 FlowLabs 的背…

SmartFEC，一个基于智能网卡的自适应前向纠错框架。SmartFEC将冗余编码、带宽预测和冗余控制等关键功能部署到智能网卡侧，使视频系统能够在靠近数据包输入输出的位置完成实时处理。

AF（自动对焦）是 Camera 调优中最复杂的模块之一。用户对”对不上焦”、”对焦慢”、”跑焦”的容忍度极…

一款基于 Gemini 的医疗 AI 将视觉、听觉与临床推理相结合，在模拟视频问诊的多项关键指标上达到或超越了医生水平，同时也揭示了人类连接与细微感知仍然重要的领域。 近期发表在 …

Multiview（多视角）即在同一屏幕上同时观看两路、三路或四路直播信号，正在成为体育直播中的核心能力。决定 Multiview 成败的关键并不只是“是否支持多画面”，而是采用怎…

如今，观众观看视频的频率比以往任何时候都高，视频领域的竞争也急剧加剧。这促使视频服务提供商不断创新，力求满足消费者对高质量、流畅流媒体体验的需求。 在此背景下，过去几年感受到的财务…

布朗大学的研究人员公布了一种名为 PackUV 的全新视频处理方法，他们将其描述为实现逼真、可存储的3D 体积视频的“关键一步”，这种视频可以从各个角度观看，并且与目前互联网上大多…

每天，数亿个视频在互联网上流转：上传、分享、重新编码、裁剪、压缩，最终面目全非，几乎无法辨认。多年来，追踪这些副本一直是一项手动、低效且耗时的工作。然而，一项新技术的出现彻底改变了…

尽管图像质量不断提升，摄像头也日益先进，但视频监控行业中的视频压缩技术数十年来却几乎未曾改变。近 20 年来，H.264 视频编解码器一直是应用最广泛的压缩编解码器，而像 H.26…

当人们为个人用途选择视频聊天应用时，隐私通常并非他们首先考虑的因素。但一旦出现问题，隐私问题就会影响他们做出的每一个决定。糟糕的内容审核体验、出乎意料的数据请求，或是被屏蔽后仍不断…

解读我国首部专门针对移动端超高清视频分发领域的行业标准：GY/T 427—2026《面向移动终端的超高清视频分发格式规范》。

Tvbeurope 的 Joe O’Halloran 回顾了 2026 年世界移动通信大会，会上讨论的话题包括 AI 如何提升视频质量，以根据最终用户需求创建内容，以及…

现有扩散模型凭借强大的生成能力，在真实世界视频超分辨率（Real-VSR）任务中取得了显著进展。然而，由于依赖多步采样的重建过程，这类方法的推理速度较慢。单步生成网络，如 Seed…

随着高分辨率桌面显示器价格不断下探，4K及以上分辨率的显示器已逐渐成为市场主流。然而，与超高清显示设备的普及形成反差的是，当前海量视频内容仍主要停留在720p和1080p的高清标准…

过去20年来，我们一直在以易于衡量的方式改进数字媒体。分辨率稳步提升，网络速度加快，延迟降低。几乎所有技术指标都取得了显著进步。然而，尽管取得了如此巨大的进步，我们的数字互动仍然感…

如今，移动端高清视听已成主流，但以AVS3、HDR Vivid、Audio Vivid为代表的自主音视频技术，仍面临应用规模不足、移动端落地难等问题。为破解这一困境，广电总局设立中…

与其他高端流媒体平台类似，Starz 秉持“让所有人畅享”的理念，致力于为平台上的所有观众提供优质流媒体体验。但在支持流媒体早期遗留的庞杂设备与格式时，挑战层出不穷，尤其在关键的中…