放眼全球，如果用一句話來形容當下消費互聯(lián)網(wǎng)的大勢，「視頻吃掉世界」恐怕是再合適不過的話了。

7 月，在 Facebook 歷史性地突破 20 億月活用戶后，扎克伯格告訴分析師們，隨著用戶在 FB 上視頻內(nèi)容消費的大幅增長，F(xiàn)B 會進一步研發(fā)底層的視頻技術(shù)，保證用戶在視頻消費、視頻生產(chǎn)(上傳)上的優(yōu)秀體驗。

中國地區(qū)用戶對于視頻內(nèi)容的需求也十分旺盛。在 QuestMobile 發(fā)布的《移動互聯(lián)網(wǎng)2017春季報告》中，包括在線視頻、網(wǎng)絡(luò)直播、短視頻等行業(yè)，移動視頻的用戶月度總規(guī)模首次突破10億，同比增長36.5%。

 

更進一步的佐證來自 CNNIC 的第40次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》，截至 2017 年6月，中國網(wǎng)絡(luò)視頻用戶規(guī)模達5.65億，較2016年底增加2026萬人，增長率為3.7%;網(wǎng)絡(luò)視頻用戶使用率為75.2%。

 

在這樣的背景下，不管是 BAT 這樣的傳統(tǒng)流量大戶還是今日頭條此等的流量新貴，都在不遺余力地押注視頻。百度強化視頻在 Feed 流中的地位、騰訊領(lǐng)投快手、阿里旗下土豆全面轉(zhuǎn)型、今日頭條旗下抖音準備出海......這些舉措會讓人產(chǎn)生一種視頻時代即將全面到來的產(chǎn)業(yè)錯覺。

誠然，如上文所言，「視頻正在吃掉世界」，但就像過往任何產(chǎn)業(yè)爆發(fā)點類似，在商業(yè)應(yīng)用落地的同時，底層技術(shù)進步的重要性不言而喻。以視頻行業(yè)的現(xiàn)狀來看，一方面是產(chǎn)業(yè)生態(tài)的瘋狂，另一方面則是在一些底層技術(shù)上的瓶頸，比如可用于視頻動作分析的技術(shù)并沒有得到有效的利用，這也讓圍繞視頻內(nèi)容的分類檢索、標簽推薦變得非常困難，不僅影響到了視頻的展示效果，同時也制約了用戶的視頻消費體驗，而這個行業(yè)痛點，不是融資或推廣就能解決，它必須依靠技術(shù)上的突破。

類似的困難和挑戰(zhàn)還有不少，這也使得最近一系列圍繞視頻技術(shù)學術(shù)會議或競賽成為行業(yè)關(guān)注的焦點。比如在今年的 ActivityNet Challenge 上，幾篇圍繞視頻技術(shù)新突破的獲獎?wù)撐木蜑橐曨l行業(yè)未來發(fā)展路徑提供了靈感。

論文透露出的行業(yè)機會

ActivityNet Challenge是目前視頻動作分析領(lǐng)域影響力最大的競賽，包括 MSRA、CUHK、CMU、UTS 等眾多高校和科研機構(gòu)都會積極參與到比賽里。在今年的比賽里，有兩個新增的項目：「Kinetics」和「ActivityNet Captioning」兩個數(shù)據(jù)集。其中「Kinetics」是一項視頻行為分類比賽，有400個視頻動作類別，大約20萬訓練語料，可謂 ActivityNet 最具看點的一項任務(wù)。

根據(jù) ActivityNet 最新公布的結(jié)果，今年「Kinetics 視頻行為分類比賽」冠軍被來自百度的 Genome 團隊獲得，香港中文大學和來自德國的創(chuàng)業(yè)公司 TwentyBN 分列二三位。

按照慣例，ActivityNet 各項任務(wù)的冠軍都有機會在 CVPR 上展示自己的論文，因此，我們也有機會進一步了解這支來自百度的技術(shù)團隊如何思考新一代技術(shù)，尤其是基于深度學習的人工智能之于視頻行業(yè)的意義。

論文網(wǎng)址在https://arxiv.org/abs/1708.03805，有時間的話建議下載下來細細研讀，沒有時間精力的話，可以直接看下面我們的解讀：

首先，視頻分類技術(shù)的根本，是要讓視頻成為像文本、圖片一樣的結(jié)構(gòu)化數(shù)據(jù)。過去很長一段時間里，互聯(lián)網(wǎng)上都是文本、圖像數(shù)據(jù)，但最近幾年隨著移動網(wǎng)絡(luò)的普及以及智能手機性能的提升，視頻內(nèi)容已然「霸占」了移動互聯(lián)網(wǎng)，然而對于很多開發(fā)者或視頻服務(wù)商來說，視頻內(nèi)容是一種典型的非結(jié)構(gòu)化數(shù)據(jù)，它無法像文本、圖像那樣被自動檢索和有效利用，需要大量人力成本進行手動查看、加標簽以及審核，效率低下。

在百度 Genome 團隊的這篇論文里，提出了一整套視頻分類的解決思路，通過對視頻內(nèi)容的智能分析和提取，它能夠自動提取視頻中的語音、文字、任務(wù)、物體等元素，從而自動輸出這些視頻的泛標簽。這些提取的「泛標簽」，事實上也讓視頻內(nèi)容變成了半結(jié)構(gòu)化的數(shù)據(jù)——它可以被簡單分類和檢索，對開發(fā)者或視頻服務(wù)商來說，已經(jīng)節(jié)約了前期人工處理的時間，從而大大提升了效率。

其次，視頻分類技術(shù)的應(yīng)用場景非常廣泛，不僅會解決視頻服務(wù)商的痛點，還能在提升用戶體驗上發(fā)揮作用。

舉個簡單的例子，基于深度學習的視頻分類技術(shù)，可以讓視頻對比檢索變得非常簡單。很多用戶常常會有一種需求，即能否通過一張靜態(tài)圖像來搜索某個視頻，這與過往以文本搜索視頻的技術(shù)完全不同，它需要在靜態(tài)圖像上提取有效信息，并將這些信息與已經(jīng)半結(jié)構(gòu)化的視頻庫進行對比，從而準確并快速找到最符合條件的視頻。

另一方面，在視頻分類技術(shù)的幫助下，視頻服務(wù)商還能提供更多可定制化的應(yīng)用場景。比如在運營層面，借助視頻對比檢索，可以快速查詢與其包含相同片段的短視頻，可以視頻去重和版權(quán)保護;產(chǎn)品層面，當視頻內(nèi)容變得像文本、圖片一樣可方便檢索的時候，可否打造一個適配視頻內(nèi)容的搜索引擎?又或者，由于視頻服務(wù)商具備了理解不同視頻的能力，在構(gòu)建新一代視頻推薦產(chǎn)品中，是否也具備了先發(fā)優(yōu)勢呢?

誰的機會?

一個有趣的細節(jié)是，這支 Genome 團隊，在今年 2 月的 YouTube-8M 大規(guī)模視頻理解競賽中也進入三甲。Youtube-8M數(shù)據(jù)集由谷歌今年2月在Kaggle平臺發(fā)起，擁有約800萬的已標注視頻，是目前全球規(guī)模最大的視頻數(shù)據(jù)集之一?？紤]到 Genome 團隊出自百度深度學習實驗室，此次該團隊更進一步獲得第一，也讓外界對于這些技術(shù)是否會融入百度產(chǎn)品體系，尤其是 Feed 流產(chǎn)品，充滿了好奇。

最新一季百度財報里，來自 Feed 流的日活用戶數(shù)量突破 1 億，收入也從一季度每天 1000 萬提升到了 3000 萬，這些數(shù)字的變化彰顯出百度在流量入口的強大控制力，同時也得力于基于海量數(shù)據(jù)、深度學習算法結(jié)合后所帶來的神奇效果，在保證用戶體驗的前提下，讓 Feed 流成為資訊、廣告的重要載體。

這種基于內(nèi)容分發(fā)的 Feed 流模式也被 Google 所效仿，在其最新的 Google 手機搜索客戶端里，也加入了類似的產(chǎn)品形式。

縱觀百度的 Feed 流產(chǎn)品設(shè)計，產(chǎn)品入口層面，不管是手機百度、貼吧還是手機瀏覽器，視頻、短視頻都有單獨的入口;技術(shù)層面，視頻分類技術(shù)所展現(xiàn)的巨大潛力，借助百度在用戶畫像的積累，不僅能夠?qū)崿F(xiàn)新用戶的冷啟動，還能不斷提升老用戶的視頻內(nèi)容消費體驗。更重要的一點則是，視頻分類技術(shù)所帶來的產(chǎn)品運營方式方法的變化，或?qū)⒔o視頻內(nèi)容的上游產(chǎn)生諸多影響，比如，能否根據(jù)特定用戶畫像實現(xiàn)真正意義上的特定視頻推薦?也真正實現(xiàn)所謂「千人千面」的定制化 Feed 流產(chǎn)品。

事實上，將這些產(chǎn)品設(shè)計和底層技術(shù)的討論放在全民視頻消費井噴的行業(yè)背景下，更具現(xiàn)實意義。在這一波依然以移動設(shè)備為主體的內(nèi)容消費浪潮里，F(xiàn)eed 流或類 Feed 流已成行業(yè)共識，而得視頻者也才有可能得天下。這或許也是百度、Google 這些巨頭的機會，他們各自在用戶畫像和知識圖譜上擁有豐富積累，并且擁有中美互聯(lián)網(wǎng)流量入口的權(quán)力，未來兩家公司在 Feed 流，尤其是以視頻內(nèi)容為主導的 Feed 流產(chǎn)品和技術(shù)演進格局，也將進一步左右行業(yè)發(fā)展的方向。

寫在最后

不過，與文本、圖像相對成熟的技術(shù)、產(chǎn)業(yè)生態(tài)相比，視頻內(nèi)容還無法真正實現(xiàn)數(shù)據(jù)的結(jié)構(gòu)化存儲，這也使得某些應(yīng)用場景還處在相對初級的階段。另一方面，當 Facebook 的 News Feed 不斷鼓勵用戶生產(chǎn)、消費視頻內(nèi)容，當短視頻、直播類的產(chǎn)品一個個突破活躍用戶極限，整個互聯(lián)網(wǎng)已然處在視頻爆發(fā)的前夜，這既是全行業(yè)的機會，更是屬于掌握「核心技術(shù)」者的機會。

某種意義上，視頻行業(yè)的競爭早已不局限在簡單的內(nèi)容、生態(tài)競爭，而是底層技術(shù)，尤其是人工智能領(lǐng)域的競爭，即包括數(shù)據(jù)，也包括算法，更是人才和戰(zhàn)略的競爭。從這個角度去看，早已將人工智能放入公司發(fā)展戰(zhàn)略的 Google、FB、百度已經(jīng)擁有不小的優(yōu)勢。

當百度上月通過一場開發(fā)者大會展現(xiàn)出了轉(zhuǎn)型人工智能決心后，整個公司的產(chǎn)品線都在圍繞人工智能進行重構(gòu)。在 Feed 流的未來場景里，基于深度學習的視頻技術(shù)，比如視頻分類技術(shù)所帶來的化學反應(yīng)——不管是利用視頻分類催生的新業(yè)務(wù)模式還是視頻技術(shù)進步帶來的用戶體驗上升，這一切或?qū)⒆尠俣仍?Feed 流產(chǎn)品的未來格局中占據(jù)重要位置。