วิธีที่ Synamedia ใช้ Amazon Rekognition Video เพื่อสร้างความสามารถในการค้นหาวิดีโอขั้นสูงสำหรับวิดีโอขนาดยาว

ซินนามีเดีย เป็นผู้ให้บริการเทคโนโลยีวิดีโอชั้นนำที่ตอบสนองความต้องการสำหรับผู้ให้บริการวิดีโอระดับพรีเมียมและโดยตรงต่อผู้บริโภค (D2C) ด้วยพอร์ตโฟลิโอโซลูชันที่ครอบคลุม โซลูชันของ Synamedia กระจายอยู่ในหลายเสาหลัก เช่น เครือข่ายวิดีโอ แพลตฟอร์มทีวี การโฆษณาและการสร้างรายได้ และการปกป้องเนื้อหาและการหยุดชะงักของการละเมิดลิขสิทธิ์

Synamedia ร่วมมือกับ AWS เพื่อใช้ปัญญาประดิษฐ์ (AI) เพื่อพัฒนาความสามารถในการค้นหาวิดีโอที่ได้รับการปรับปรุงสำหรับวิดีโอขนาดยาว ทั้งนี้เพื่อช่วยลูกค้าในการค้นหาวิดีโอตามคำอธิบายของฉากที่ไม่ได้อธิบายไว้ในข้อมูลเมตาของเนื้อหา ตัวอย่างเช่น การค้นหาวิดีโอ (แม้ในซีรีส์) ที่มีฉากบนเรือที่ไม่มีนัยสำคัญพอที่จะกล่าวถึงในข้อมูลเมตา สิ่งนี้ทำให้สามารถค้นพบเนื้อหาได้จากวัตถุในโลกแห่งความเป็นจริง

กับ วิดีโอการรับรู้ของ Amazon, Synamedia ได้สร้างโซลูชัน AI ที่สามารถทำการตรวจจับฉลากในวิดีโอและในรูปภาพได้โดยใช้โมเดลมาตรฐานและแบบกำหนดเอง การตรวจจับระดับฉากของวัตถุบางอย่างในวิดีโอแบบยาวนี้ช่วยให้สามารถตรวจจับวัตถุในฉากนั้นๆ ได้จริงในตอนนั้น ความสามารถใหม่นี้ทำให้ผู้ใช้สามารถค้นหาเหตุการณ์เฉพาะภายในวิดีโอแบบยาว โดยอิงจากคำอธิบายทั่วไปของสิ่งที่พวกเขากำลังมองหาเท่านั้น ซึ่งช่วยให้ Synamedia ดำเนินการได้อย่างรวดเร็วมากเมื่อเริ่มต้นเนื้อหาใหม่ ซึ่งขณะนี้ใช้เวลาสองสามชั่วโมงในการหมุนและได้ผลลัพธ์ โซลูชันนี้ใช้งานง่ายและครอบคลุมโดยให้ความสามารถในการเพิ่มโมเดลที่กำหนดเองเพิ่มเติมสำหรับอิมเมจเฉพาะโดเมน

การใช้ AI เพื่อจัดทำดัชนีเนื้อหาภาพ

เนื่องจากทั้งอุปทานของเนื้อหาวิดีโอและความต้องการข้อมูลเชิงลึกของวิดีโอที่เพิ่มขึ้นอย่างต่อเนื่อง ความสามารถในการค้นหาวิดีโอที่มีประสิทธิภาพจึงมีความสำคัญมากขึ้น อย่างไรก็ตาม การค้นหาวิดีโอแบบดั้งเดิมมักจำกัดอยู่เพียงข้อมูลพื้นฐาน เช่น ชื่อวิดีโอ หรือในบางกรณี ไปจนถึงข้อมูลเมตาที่แนบเป็นแท็กที่อธิบายธีมหลักหรือเนื้อหาของวิดีโอ

ข้อมูลรายละเอียดส่วนใหญ่ต้องเพิ่มด้วยตนเอง แต่สิ่งนี้จะกลายเป็นสิ่งต้องห้ามเมื่อปริมาณของวิดีโอเพิ่มขึ้น ด้วยเหตุนี้ ประสิทธิภาพการค้นหาวิดีโอแบบเดิมจึงมักถูกจำกัด ข้อจำกัดนี้ยิ่งเด่นชัดมากขึ้นสำหรับเนื้อหาวิดีโอแบบยาว ซึ่งโดยปกติแล้วจะไม่มีข้อมูลเมตาระดับฉาก เนื่องจากต้นทุนในการผลิตและใช้เวลานานเท่าใด

เพื่อแก้ไขข้อจำกัดนี้ Synamedia ได้เริ่มพัฒนาโซลูชันการค้นหาวิดีโอที่ขับเคลื่อนด้วย AI โดยใช้คอมพิวเตอร์วิทัศน์เพื่อระบุรายละเอียดระดับฉากในวิดีโอที่กำหนดโดยอัตโนมัติ และทำให้ผู้ใช้ค้นพบข้อมูลดังกล่าวตามคำอธิบายทั่วไปของฉากเหล่านั้น

การใช้ Amazon Rekognition เพื่อสร้างโซลูชัน Computer Vision แบบกำหนดเองในเวลาเพียง 2 สัปดาห์

เพื่อบรรลุเป้าหมายนี้ Avi Fruchter ซึ่งเป็น Software Engineering Fellow ของ Synamedia ได้หันไปที่ ความหมายของ Amazonที่ บริการวิเคราะห์วิดีโอที่มีการจัดการอย่างเต็มรูปแบบ ที่ช่วยเร่งกระบวนการใช้โมเดลคอมพิวเตอร์วิชันซิสเต็มเพื่อตรวจจับเหตุการณ์ระดับฉากที่เกี่ยวข้อง เช่น วัตถุ กิจกรรม แม้แต่ข้อความและฉาก

Amazon Rekognition Video ช่วยเร่งการพัฒนาโซลูชัน Computer Vision สำหรับวิดีโอโดยการประมวลผลและติดแท็กเนื้อหาวิดีโอโดยอัตโนมัติโดยใช้โมเดล Computer Vision โมเดลเหล่านี้ได้รับการจัดการและดูแลอย่างสมบูรณ์โดย Amazon Rekognition ช่วยลดภาระหนักในการจัดการโครงสร้างพื้นฐานที่จำเป็น และลดความเชี่ยวชาญด้านเทคนิคที่จำเป็นในการสร้างและปรับใช้โมเดลเหล่านี้

ในการเริ่มต้น คุณเพียงแค่เลือกความสามารถที่หลากหลายของ Amazon Rekognition ที่เกี่ยวข้องกับงานของคุณ และเรียกใช้ API ที่เกี่ยวข้อง ผลลัพธ์จะถูกส่งกลับเป็นการตอบสนอง JSON ที่จัดการง่ายสำหรับแต่ละงาน

ตัวอย่างเช่น Synamedia ใช้ StartLabelDetection API เพื่อสร้างรายการป้ายกำกับสำหรับวัตถุที่ตรวจพบในแต่ละเฟรมวิดีโอของไลบรารีวิดีโอโดยอัตโนมัติ จากการเรียก API แบบง่ายๆ นี้ Amazon Rekognition จะส่งคืนรายการป้ายกำกับ คะแนนความเชื่อมั่นของแต่ละรายการ และการประทับเวลาที่เกี่ยวข้องสำหรับแต่ละเฟรม สิ่งนี้ทำให้ Synamedia สามารถสร้างชุดข้อมูลเมตาการค้นหาใหม่ทั้งหมดสำหรับแต่ละวิดีโอในไลบรารีทดสอบของพวกเขาได้ทันที ผู้ใช้สามารถค้นหาเนื้อหาวิดีโอเฉพาะได้โดยการอธิบายวัตถุหรือฉากเฉพาะที่พวกเขาสนใจ และรับผลลัพธ์ที่ไม่เพียงตรงกับคำค้นหาเท่านั้น แต่ยังนำพวกเขาไปยังฉากเฉพาะในวิดีโอที่แสดงเนื้อหานั้นด้วย

Amazon Rekognition API ที่เกี่ยวข้องอื่นๆ สำหรับการวิเคราะห์วิดีโอ ได้แก่ StartFaceDetection, StartPersonTracking และ StartSegmentDetection ซึ่งเป็นคุณสมบัติที่สามารถระบุช่วงเวลาที่ฉากในวิดีโอเปลี่ยนไป

Amazon Rekognition ใช้งานได้กับทั้งวิดีโอที่บันทึกล่วงหน้าและวิดีโอสด วิดีโอที่บันทึกไว้ล่วงหน้าจะถูกอ่านจาก บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) และวิดีโอสดสามารถประมวลผลได้จาก สตรีมวิดีโอ Amazon Kinesis.

Synamedia เลือก Amazon Rekogntion เนื่องจากความสามารถในการขยายขีดความสามารถอย่างรวดเร็ว ทีมนวัตกรรมของ Synamedia ทุ่มเทให้กับการสร้างนวัตกรรมทางเทคนิคใหม่ในวิดีโอเท่านั้น และมีความเชี่ยวชาญด้านเทคนิคที่แข็งแกร่ง อย่างไรก็ตาม แม้แต่สำหรับพวกเขา ก็ยังไม่สามารถมีความเชี่ยวชาญเชิงลึกในทุกด้านของเทคโนโลยีวิดีโอ เข้าสู่ Amazon Rekogntion ซึ่งขยายขีดความสามารถในการมองเห็นด้วยคอมพิวเตอร์ ทำให้พวกเขาสามารถกำหนดแนวคิดของกรณีการใช้งานและทดสอบความสามารถในการใช้งานได้อย่างรวดเร็ว

Avi Fruchter กล่าวว่า "การขึ้นเครื่องนั้นเร็วมาก และผลลัพธ์ก็เร็วมาก" “เราไม่ใช่ผู้เชี่ยวชาญด้านโดเมนในทุกด้านของ ML เสมอไป และ Amazon Rekognition ช่วยให้เราสามารถยกระดับความเชี่ยวชาญที่มีอยู่ของเราไปสู่กรณีการใช้งานที่ปรับปรุงใหม่สำหรับลูกค้าของเรา”

Synamedia คาดว่าโซลูชันของพวกเขาจะมีประโยชน์ในวงกว้างสำหรับลูกค้าที่หลากหลาย รวมถึงบริษัทที่มีไลบรารีวิดีโอขนาดใหญ่ ตลอดจนบริษัทจำนวนมากขึ้นเรื่อยๆ ที่ต้องการตรวจสอบเหตุการณ์เฉพาะในฟีดวิดีโอสด เช่น ความเสี่ยงด้านสุขภาพและความปลอดภัย

สรุป

ด้วย Amazon Rekognition Video Synamedia สามารถสร้างและทดสอบความสามารถในการค้นหาวิดีโอขั้นสูงได้ภายในเวลาไม่กี่สัปดาห์ โดยไม่ต้องจ้างหรือพัฒนาความเชี่ยวชาญด้านการมองเห็นคอมพิวเตอร์เพิ่มเติม

ความสามารถใหม่นี้ทำให้ Synamedia สามารถขยายผลกระทบของทีมนวัตกรรมและดำเนินภารกิจในการขับเคลื่อนนวัตกรรมวิดีโอใหม่ให้กับลูกค้าต่อไป

เรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่คุณสามารถสร้างโซลูชันการมองเห็นด้วยคอมพิวเตอร์ขั้นสูงสำหรับวิดีโอได้อย่างรวดเร็วโดยไปที่ วิดีโอการรับรู้ของ Amazon หรือหมายถึง แหล่งข้อมูล Amazon Recognition.

เกี่ยวกับผู้แต่ง

แดเนียล เบิร์ก เป็นผู้นำในยุโรปด้าน AI และ ML ในกลุ่ม Private Equity ที่ AWS Daniel ทำงานโดยตรงกับกองทุนไพรเวทอิควิตี้และบริษัทพอร์ตโฟลิโอ ช่วยเร่งการนำ AI และ ML ไปใช้เพื่อปรับปรุงนวัตกรรมและเพิ่มมูลค่าองค์กร

จอห์น ชอว์ เป็นผู้นำในอเมริกาเหนือสำหรับ AI และ ML ในกลุ่ม Private Equity ที่ AWS John ทำงานโดยตรงกับกองทุนไพรเวทอิควิตี้และบริษัทพอร์ตโฟลิโอ ช่วยเร่งการนำ AI และ ML ไปใช้เพื่อปรับปรุงนวัตกรรมและเพิ่มมูลค่าองค์กร