近日,华为视频AiMax影视品鉴会第一期在华为旗舰店·深圳万象天地举行。在现场,华为视频业务部部长及产品总监、《毒舌电影》主编“硬核卡子”和现场观众共同探讨了《满江红》为什么这样“红”,一同揭秘了AiMax影院级观影体验背后的技术内核。
据华为视频业务部部长介绍,华为视频AiMax影院持续升级音画标准,通过4K超分算法细节处理、运动补偿场景处理等技术,以及最优支持HDR Vivid色彩和Audio Vivid音效标准,为用户带来影院级视听体验。在华为视频AiMax影院上观看的《满江红》可以在暗光下增强对比度、提升黑夜里人物和场景的细节呈现,带来更丰富的色彩还原和更精妙的明暗处理,让《满江红》通过饱满的视觉画面更好地传递导演真实的创作意图。
《满江红》的“黑”与“红”,AiMax还原导演的创作意图
《Sir电影》主编、资深影评人“硬核卡子”认为:“色彩是电影的一部分,也可能是全部答案。“
在现场的分享中,硬核卡子提到,《满江红》作为一部风云变幻,局中有局,具有高密度情节和多重反转的电影,由暗至明、由黑到红的色调变化始终对应着电影走向,预示着真相大白的过程。其中有几抹“红”值得格外关注:秦桧的服饰由黑至红,暗示着他叛国者的身份被揭示;瑶琴的头顶红花由绽放到枯萎,暗示了人物身份暴露;英雄岳飞的红缨枪屡屡出现,暗示着无处不在的军魂,也是血液里的家国情怀。
当用户在华为视频AiMax影院观看这部电影时会发现这些色调的变化尤为明显:从细节上,电影本身以暗色调为主,但黑夜场景中张大、何立、秦桧等人物脸部的细微表情,夜间环境里青灰色院墙、义士拔刀对峙、弓箭一扫而过的细节全都一览无余;从色彩上,不仅有丰富的色调和细腻的明暗对比,还有更强的影像纵深感,那些红色的点缀,比如瑶琴的头花也更饱满了;在音效上,人物激烈的打斗声、穿梭在巷子中的脚步声更具立体空间感,让用户仿佛置身于电影的破案现场,更具临场感。
AiMax影院持续升级音画标准,打造影院级视听体验
据介绍,华为视频坚持以用户为中心,围绕用户观影核心诉求,从精品内容和产品体验出发,以技术赋能艺术,充分发挥自身软硬件技术优势及生态优势,持续升级AiMax视听标准,为用户带来高品质、沉浸式的影院级观影体验。而华为视频AiMax影院音画技术标准则来源于华为在音视频领域超过20年的研发投入,在云、管、端都构建了独特的算法和竞争力,目前最优可达4K高清画质、HDR Vivid色彩和Audio Vivid音效。
自2020年上线华为智慧屏端以来,华为视频AiMax影院坚持打造家庭观影新标准和高品质视听服务,并持续拓展场景边界,目前已覆盖华为手机、平板、智慧屏等多种终端,进一步满足用户不同场景下的观影需求,让用户无论是家庭观影还是在碎片化移动场景下都能享受到影院级的观影体验。
在AiMax内容建设上,华为视频AiMax影院坚持精选业界优质内容,目前,已与华视网聚、迪士尼、环球、Sony、派拉蒙等多家行业头部内容伙伴展开深度合作,引入了超过1800部国内外精品电影和新热院线大片,同时以“每天一部精选,每周一部大片”的更新频率,持续不断地为用户带来优质内容。
此外,华为视频“11.11超值购”活动还在火热进行中,华为影视会员年卡限时4折起,可畅看《以爱为营》《第八个嫌疑人》《花儿与少年:丝路季》等热播内容,影视爱好者可以抓紧时间冲一波了!
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。