彭垚：關(guān)于大規(guī)模視頻分類(lèi)，大家可以理解為一個(gè)圖像更多是空間信息，它可能有三通道的圖像在空間上表示的信息，但視頻內(nèi)涵內(nèi)容非常多。首先它有圖像空間上的內(nèi)容，第二，還有時(shí)間上的積累和時(shí)間序列的內(nèi)容。空間圖像加時(shí)間序列，本身就是一個(gè)能夠得出更多信息的方法。當(dāng)然兩個(gè)圖片之間有一個(gè)變化，就是會(huì)計(jì)算光流，類(lèi)似于光走向的方向，這也是非常重要的信息。我們常常用這種信息再通過(guò)時(shí)間上的變化抓整個(gè)光流的變化，以此知道整個(gè)行為。

此外，如果視頻里因?yàn)橛斜尘耙魳?lè)或者說(shuō)話(huà)聲音，我想識(shí)別視頻到底是聚會(huì)還是婚禮，看畫(huà)面中的人是很難區(qū)別的，還需要更多的信息才能識(shí)別出來(lái)。在這個(gè)區(qū)別上聚會(huì)是非常嘈雜的音樂(lè)背景，婚禮則會(huì)聽(tīng)到比較正規(guī)的結(jié)婚進(jìn)行曲的音樂(lè)，通過(guò)這樣的信息就可以識(shí)別出來(lái)。當(dāng)然視頻里還有很多信息，比如通過(guò)文本的一些識(shí)別，看到這個(gè)視頻里寫(xiě)了“生日快樂(lè)”就是在過(guò)生日。

視頻識(shí)別是AI認(rèn)知整體能力的體現(xiàn)，不是傳統(tǒng)的計(jì)算機(jī)視覺(jué)、而是把視覺(jué)，語(yǔ)音識(shí)別，文字文本的理解都放進(jìn)去，從而融合起來(lái)的識(shí)別。

主持人：您如何看待視頻分類(lèi)在實(shí)際業(yè)務(wù)中的應(yīng)用呢？

彭垚：視頻分類(lèi)在實(shí)際業(yè)務(wù)應(yīng)用場(chǎng)景還是相對(duì)比較多的，比如在互聯(lián)網(wǎng)的短視頻平臺(tái)上，每天有上萬(wàn)或者幾十萬(wàn)的視頻，通過(guò)這些方法做分類(lèi)，標(biāo)注所有視頻內(nèi)容的時(shí)候就會(huì)知道每個(gè)用戶(hù)喜歡什么，或者每天在拍什么。媒體發(fā)展到最后一定是個(gè)性化的過(guò)程，我看到的東西都是我相對(duì)比較喜歡看的，我的平臺(tái)推給他的內(nèi)容也是我認(rèn)為比較好的，所以對(duì)視頻的理解和分類(lèi)是非常重要的環(huán)節(jié)。

推薦閱讀：【CCBN專(zhuān)訪(fǎng)】七牛云呂桂華：廣電行業(yè)增強(qiáng)互聯(lián)網(wǎng)思維是當(dāng)務(wù)之急