近日，GITC2017全球互联网技术大会在北京国家会议中心举办。本次大会以“大象无形”为主题，来自全球的160余位演讲嘉宾，从大数据应用、人工智能、IOT、互联网金融等多维度多领域，全面解析人工智能时代的技术风口和最佳实践。

金山云作为国内前三的云计算厂商，在此次大会上推出基于深度学习的图像/视频画质增强服务——金山云AI画质+。它包括视频超分辨率技术和修复技术，利用深度学习，消除目前各类视频中最常见的马赛克、毛刺、重影等问题，最大程度上提升画质的同时，节省带宽和码率，可帮助视频运营商大幅节约成本，改善用户的观看体验。在GITC2017大会举办期间，“金山云AI画质+”的展示吸引了大量参会者了解观看。可以想见，这项由金山云率先推出，能够改变视频行业未来发展的技术，将快速在各种移动终端上普及。

金山视频云在GITC2017大会期间展示的“AI画质+”技术吸引了大量观众

超分辨率技术大幅缓解视频运营商成本压力

对于互联网图像和视频运营者来说，目前的最大痛点，莫过于随着互联网与多媒体技术的发展，网上的图像和视频越来越多，与此同时，存储与传输这些图像和视频的成本也就越来越高。

为此，金山云提出了视频超分辨率技术，可为视频提供商和用户大幅节省存贮成本与传输带宽，大大缓解上述问题带来的成本压力。这种技术能够将高清视频缩放成低分辨率视频进行传输，在接收端将低分辨率视频还原成高清视频，整个过程完全不会影响到用户的视觉体验。金山视频云在移动端实现了这一技术，在实时处理的同时取得了非常好的效果。

金山视频云超分辨率技术与双线性插值效果对比

上面两张图分别表示利用双线性插值和金山视频云超分技术将180P的视频帧放大4倍的结果图，可以看出下图更加清晰，文字区域更是明显。能够呈现这样的效果在于算法的精心设计与反复调优，良好的测试结果也进一步验证了算法的有效性，金山视频云将实时的算法模型在MCL-V数据集上进行测试，利用vmaf指标计算同双线性插值算法之间的BD-rate，测试后发现，算法可以在节省50%以上带宽的基础上，获得和双线性插值相同的效果。而且，算法具有很强的自适应性，可根据初始视频的分辨率选择合适的放大倍数，还能够自动判断视频类型选择最佳模型。通过测试发现，网络上各种格式的视频采用这种做法，都能呈现出很好的效果。

由此可见，超分辨率技术可将低分辨率视频实时重建成高分辨率视频，尽可能还原细节。总体而言，这项技术具备三项优势：第一，有效压缩图像视频大小，减少带宽和存储空间；第二，完成移动端的实时处理；第三，可根据需求，针对不同类型视频，采用专门或普适性模型处理。

将每个视频秒变“大片”的修复技术

我们再来看另一项技术。想必视频从业者都遇到过由于各种原因导致的画质损伤：比如主播硬件设施较差，在游戏中无法展现更清晰的画质，边游戏边直播更是无从谈起；比如在户外等场景下直播时的网络环境欠佳；比如出于节省成本，平台将码率设置较低，导致在运动时、尤其是在激烈运动时，画质损伤严重；比如视频拍摄时间久远等等。除了这些因素以外，通过压缩改变视频码率降低数据传输量也会影响画质。这种做法虽然可以节省成本，但压缩也会带来视频马赛克、毛刺、振铃等。

对于这些问题，金山视频云的视频修复算法提出了解决办法。这种算法具有这些特点：第一，节省带宽；第二，可应对各种突发情况导致的画质损伤；第三，与编解码器完全解耦，适应性广。基于此，视频修复算法可将视频中的马赛克、毛刺、重影、噪点等实时修复为较好的画质，提升用户的视频体验。

经过视频编解码后的两帧视频图像

使用金山视频云修复模型后的图像效果

经过视频编解码后的两帧视频图像，带有明显的马赛克和毛刺，在使用金山视频云的修复模型后，楼梯之间的毛刺和马赛克得到了很好的处理，并且保留了原始的纹理信息。与超分模型一样，修复模型同样可在移动端实时处理，并且会自适应不同分辨率与不用类型的视频。

视频行业的新未来

金山视频云的超分辨率和修复算法均基于深度学习技术。通过获取高清视频数据和模拟低码率视频，针对超分辨率和修复两种功能，为不同分辨率、不同类型的视频训练出了不同的模型及模型参数。当用户观看低码率视频时，算法会实时输出高清晰视频。

实现这一效果的技术原理是，算法会首先分析输入视频的分辨率与画质，判断适合做超分还是修复，然后判断视频类型，比如是否属于游戏视频等等，再根据判断结果选择最优模型，最后输出高分辨率或修复视频。当然，也可以手动选择超分辨率还是修复。

随着苹果、谷歌（已推出统一神经网络接口）、高通等巨头在AI芯片领域的发力，金山云基于深度学习的视频超分辨率和视频修复技术，将会快速在各种移动终端上普及。随着手持设备屏幕尺寸的不断增加，以及家庭影院的普及，金山视频云未来将把4K视频超分辨率恢复列入研究范围，让720P甚至540P的视频通过超分辨率技术，获得4K视频的观看体验。