Stats Perform和LIGR - Live Graphic Systems合作,为所有级别的体育联盟、广播公司和OTT提供商提供实时视频图形

本文主要是介绍Stats Perform和LIGR - Live Graphic Systems合作,为所有级别的体育联盟、广播公司和OTT提供商提供实时视频图形,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

伦敦--(美国商业资讯)--数据和AI技术的休育科技领导者Stats Perform和为各个级别的体育联盟和广播公司提供云广播图形的领导者LIGR - Live Graphic Systems今天宣布建立新的合作伙伴关系,为希望节省制作成本同时又保持专业标准和商业整合的体育联盟和广播公司提供丰富的电视统计图形。

 

这一正式合作伙伴关系凸显了Stats Perform和LIGR之间超过三年的合作项目,其中包括Gravity Media、Cricket Australia、Football NSW和Queensland Rugby League等客户。这项合作将让Stats Perform行业领先的活动和跟踪数据以及深厚的叙事专长与LIGR傲视同侪的现场体育直播图形平台相结合,包括利用LIGR的即用型专业图形模板及其行业领先的赞助商模块,实现赛场商业资源的轻松上传、显示和报告。双方的共同客户还可以使用LIGR的自动图形模式,通过Stats Perform的数据实现整场赛事电视图形的完全自动化,而不再需要传统的电视图形运营商,其所有渲染都在云中进行,是大批量远程制作的理想之选。

 

LIGR联合创始人兼首席执行官Luke McCoy表示:“借助Stats Perform的世界级数据和先进的叙事资源,体育广播公司和联盟将能够利用LIGR的平台,通过具成本效益的精简制作流程提供大量带有世界级图形的数据丰富的转播体验。这种下一代自助服务式工作流程可以在云端开箱即用,即使最没经验的用户也能在几分钟内启动和运行。这对于体育联盟和广播公司来说非常令人兴奋,因为他们一直试图摆脱传统的广播解决方案,在有限的预算下通过实时数据集成来制作专业广播内容。与以往任何时候相比,基于云的数据驱动的自动化工作流程现在更是体育和广播行业向前迈进的主要驱动力,而体育内容直播依然是王道。”

 

LIGR是Stats Perform的体育合作伙伴情报网络(SPIN)的一部分,该网络联合了Stats Perform领先的体育情报产品(数据、洞察、分析、机器学习、计算机视觉和AI)与顶级合作伙伴,以开发补充解决方案,为共同客户和体育市场提供支持。Stats Perform和LIGR将携手利用新的和现有关系,为提供商提供精简、经济、可持续的体育图形套件。

 

Stats Perform全球合作伙伴和频道高级副总裁Wayne Ford表示:“如今的体育广播依靠流畅、快速、信息丰富的图形来推动赛事的讲解,同时以观众能够理解的具有视觉吸引力的方式对大量数据点和分析进行分解。LIGR开箱即用的智能广播图形工具集成了Stats Perform的高级活动和跟踪数据,以提供时尚且易于使用的工具,还使叠加广告变得容易,能为我们的客户创造新的赞助收入。我们很高兴与LIGR合作,通过提供新工具为所有广播内容提供支持。”

 

关于LIGR

 

LIGR是新一代的实时图形和广播平台,它无需硬件、设计师、熟练的图形操作员或开发人员即可提供具有电视质量的体育图形。我们的解决方案开箱即用,因此可让您在几分钟内启动和运行。

 

自2016年以来,我们一直为体育组织和为其服务的制作公司提供实时图形解决方案。我们帮助这些公司大大提高了直播质量,并通过强大的插播广告获利。我们的解决方案可适应一场或数千场赛事直播,可以同时提供并贯穿整个赛季,可满足所有预算下的广播和直播需求。

 

自成立以来,我们已以自动化方式为全球1万多场体育活动制作了图形,有1,000多种赞助商广告集上传到我们的平台中。我们帮助节省了逾10万小时的图形操作、设计和开发时间,相当于节省了2000多万美元的支出,并获得了超过100万美元的赞助资金。

 

欢迎在www.ligrsystems.com注册LIGR,并在blog.ligrsystems.com上订阅我们的博客。

 

关于Stats Perform

 

Stats Perform是体育科技的市场领导者,提供最受信任的体育数据和应用AI和机器学习的最新进展,为参赛团队和体育博彩商提供更好的预测,并提供更具吸引力的广播、媒体和粉丝体验。该公司收集最详细的体育数据,以创建涵盖各种运动的新体验。Stats Perform利用最丰富的体育数据库,通过机器学习和计算机视觉进行高级预测和分析以提升体育的竞技性和娱乐性——为数字和广播媒体提供差异化讲评,为科技公司提供可靠的快速生成的数据以促进创新,为体育博彩商提供即场投注和诚信服务,为参赛团队提供首创的AI分析软件。

这篇关于Stats Perform和LIGR - Live Graphic Systems合作,为所有级别的体育联盟、广播公司和OTT提供商提供实时视频图形的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/554291

相关文章

在MyBatis的XML映射文件中<trim>元素所有场景下的完整使用示例代码

《在MyBatis的XML映射文件中<trim>元素所有场景下的完整使用示例代码》在MyBatis的XML映射文件中,trim元素用于动态添加SQL语句的一部分,处理前缀、后缀及多余的逗号或连接符,示... 在MyBATis的XML映射文件中,<trim>元素用于动态地添加SQL语句的一部分,例如SET或W

C#实现获得某个枚举的所有名称

《C#实现获得某个枚举的所有名称》这篇文章主要为大家详细介绍了C#如何实现获得某个枚举的所有名称,文中的示例代码讲解详细,具有一定的借鉴价值,有需要的小伙伴可以参考一下... C#中获得某个枚举的所有名称using System;using System.Collections.Generic;usi

Python视频处理库VidGear使用小结

《Python视频处理库VidGear使用小结》VidGear是一个高性能的Python视频处理库,本文主要介绍了Python视频处理库VidGear使用小结,文中通过示例代码介绍的非常详细,对大家的... 目录一、VidGear的安装二、VidGear的主要功能三、VidGear的使用示例四、VidGea

通过C#获取PDF中指定文本或所有文本的字体信息

《通过C#获取PDF中指定文本或所有文本的字体信息》在设计和出版行业中,字体的选择和使用对最终作品的质量有着重要影响,然而,有时我们可能会遇到包含未知字体的PDF文件,这使得我们无法准确地复制或修改文... 目录引言C# 获取PDF中指定文本的字体信息C# 获取PDF文档中用到的所有字体信息引言在设计和出

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因?

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台,是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力,在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术,能够处理多种视频流格式,并以多种格式(RTMP、RTSP、HTTP-FLV、WebS

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

《x86汇编语言:从实模式到保护模式》视频来了

《x86汇编语言:从实模式到保护模式》视频来了 很多朋友留言,说我的专栏《x86汇编语言:从实模式到保护模式》写得很详细,还有的朋友希望我能写得更细,最好是覆盖全书的所有章节。 毕竟我不是作者,只有作者的解读才是最权威的。 当初我学习这本书的时候,只能靠自己摸索,网上搜不到什么好资源。 如果你正在学这本书或者汇编语言,那你有福气了。 本书作者李忠老师,以此书为蓝本,录制了全套视频。 试

SAM2POINT:以zero-shot且快速的方式将任何 3D 视频分割为视频

摘要 我们介绍 SAM2POINT,这是一种采用 Segment Anything Model 2 (SAM 2) 进行零样本和快速 3D 分割的初步探索。 SAM2POINT 将任何 3D 数据解释为一系列多向视频,并利用 SAM 2 进行 3D 空间分割,无需进一步训练或 2D-3D 投影。 我们的框架支持各种提示类型,包括 3D 点、框和掩模,并且可以泛化到不同的场景,例如 3D 对象、室