从视频优化到QoE，机器学习在实时互联网的应用你了解多少？

说起机器学习你会想到什么？数据分析、语音识别、无人驾驶、机器人？其实，机器学习与 RTC 技术也能有很多结合之处，这也是今年实时互联网领域的趋势之一。从优化产品用户体验，改善音视频传输质量，到编解码中的应用，抑或是我们此前分享过的

超分辨率

应用，机器学习的在实时互联网产品研发的很多环节都有用武之地。同时很多看似是以机器学习技术为主导的领域，也存在很多需求要通过 RTC 技术来实现。

如果说编解码、实时网络架构是 RTC 技术的核心与基础，那么机器学习的就是实时互联网产品通向更高阶的助推器。

9月7日 - 8日，由声网Agora、极客邦科技、AllThingsRTC、CSDN 联合主办的 RTC 2018 实时互联网大会，将在北京举行。在这第四届 RTC 大会上，大会组委会邀请了超过70位来自全球的实时音视频技术专家。

在今年的 RTC 实时互联网大会上，从主会、机器学习与实时技术，再到编解码等不同场次中，你会发现与“机器学习”相关的话题似乎无处不在，多位演讲人将从不同角度分享机器学习与 RTC 技术的结合经验。我们先给大家抢先“剧透”几个干货议题。

01

演讲干货抢先知

机器学习在 QoE 中的应用实践

服务质量，即 QoS（Quality of Service）多从网络服务及系统运维等角度出发，强调网络的带宽、延迟、抖动、以及终端设备的能力（解码、渲染、功耗等）。而体验质量，QoE（Qulaity of Experience），强调从用户感知角度出发，在 QoS 之上综合了服务消费过程用户的整体感受, 正在成为视频领域的关注热点。各类视频服务包括点播、直播或者实时交互等场景，关注点已经从码率/带宽驱动逐步转向质量/体驱动。在此趋势下，QoE 驱动的各类视频处理技术成为新的热点，如内容感知的动态编码优化（YouTube 和 Netflix 等）、窄带高清超分/超帧技术（优土、腾讯等）、智能带宽预测技术（爱奇艺等）。在这些方面，人工智能或者机器学习技术正在发挥着关键作用。

一方面，机器学习技术能够在降低成本，减少带宽需求以及替换手动优化面发挥重要作用；另一方面，建立和部署全新的基于AI智能测量和分析架构也成为视频运营服务的新需求。

在宋利的演讲中，将围绕两方面的技术进展进行剖析与分享，基于AI的视频编码及处理技术，以及视频体验联盟近期推出的技术规范-uVES，和业内同行探讨AI与QoE结合的新需求和新场景。

美图在短视频领域的AI赋能

短视频是时下最热门的实时互联网产品。如何让短视频更好“玩”？ AI 让多媒体在内的诸多领域取得突破性进展，通过赋予多媒体应用AI能力，让音视频技术有了更大的应用空间。

本次分享中，赵博士将结合美图短视频业务场景，从大规模短视频内容理解和检索出发，介绍AI在实时互联网中的应用落地点，给出落地过程中遇到的难点以及相应的解决方案。

WebRTC 在无人驾驶领域的应用

无人驾驶可以说是近年来始终炙手可热的技术应用方向。从智能驾驶技术发展以及商业化落地方面，该领域对对实时音视频技术存在诸多需求，包括但不仅限于车辆远程监控、远程驾驶、乘客交互、座舱服务等。

在这次演讲中主要探讨实时音视频技术在智能驾驶中的应用和实践。讨论在智能驾驶中，现有实时音视频技术具备的机会，及其需要面临的挑战

02

更多干货话题

除了以上几个演讲，我们还将有嘉宾分享从机器学习在高清视频编码中的实践，机器学习与 AV1 视频编码的结合，以及更多 RTC 技术、机器学习相关干货。