IBC最佳大会论文奖表彰人工智能方面所取得的进步

2023-12-31 07:48

本文主要是介绍IBC最佳大会论文奖表彰人工智能方面所取得的进步,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!

BBC研发论文讨论基于规则的、用于自动化制作的人工智能和机器学习

 

伦敦--(美国商业资讯)--在人工智能和机器学习成为媒体业热门话题的一年,IBC最佳大会论文奖(IBCBest Conference Paper Award)授予开展实际应用调查的BBC研发团队。根据同行评审小组的意见,该奖项最终颁给这份技术论文,该论文不仅提供最重要的新研究,而且以便于理解的方式阐述。

 

这篇名为《人工智能在制作方面的运用:用于扩大现场活动报道的视频分析与机器学习》(AI in production: video analysisand machine learning for expanded live events coverage)的论文将作为IBC2018新计划“科技会谈”(Tech Talks)的一部分,于9月16日(周日)中午发表。“科技会谈”旨在确保备受推崇的技术论文仍是IBC及其会议的重要组成部分,并以便于理解的全新形式为所有代表呈现最新的创意。

 

谈到新的创新时,会议技术专题会执行制作人Nick Lodge博士表示:“长期负责原创和发人深省的媒体技术进步的高级技术专家和研究人员将谈论他们各自的工作,而观众将获得难得的机会向这些世界级专家提问。”

 

他补充道:“影响媒体业的技术相当广泛。今年的‘科技会谈’将涵盖人工智能、虚拟现实和增强现实、5G和区块链等新兴领域。”

 

在获奖论文中,在项目负责人Mike Evans的带领下,具备各种技能的BBC研究人员团队对名为“Ed”的项目进行讨论。该原型系统旨在以最少的人员创作近乎实时的内容。其中一例是一组三台无人操控的4K相机,“Ed”从中制作出大量构图正确的高清图像,并在它们之间酌情进行裁剪。

 

Mike Evans 表示:“这项工作的重点是实现报道更多的活动,以触及我们无法到达的地方。例如,在传统制作中,我们只能报道格拉斯顿伯里音乐节(Glastonbury Festival)近100个音乐节目表演场地中的6个,或者只是爱丁堡艺穗节(Edinburgh Fringe) 300块场地上举行的5万场演出中的一小部分。”

 

他解释道:“但是,有了‘Ed’,我们可以通过制作技术触及其中的更多场地,而这些技术对活动本身的干扰要小得多。这项技术不仅适用于像BBC这样的大型制作公司,而且适用于各种不同的用例,例如需要提高知名度的小型运动会,甚至是意欲提升网络影响力的视频博主。”

 

负责对IBC提出的多篇论文进行仔细同行评审的IBC技术论文委员会(IBC Technical Papers Committee)主席Paul Entwistle博士表示:“本论文的细节绝对引人瞩目。这支团队开发出一套人工智能系统,该系统能够理解有利于专业视频制作的节奏和韵律。这一点通过研究得以验证,我们可以看看‘Ed’与真人导演的表现相比究竟有多出色,以及观众如何看待观看体验。”

 

获得本年度IBC最佳大会论文奖的作者全部来自BBC研发团队,包括CraigWright(将在IBC期间呈报论文)、Jack Allnut、Rosie Campbell、Michael Evans、Ronan Forman、James Gibson、Stephen Jolly、Lianne Kerlin、Zuzanna Lechelt、Graeme Phillipson和Matthew Shotton。他们将在9月16日(周日)傍晚18:30在大礼堂举行的IBC颁奖典礼上接受颁奖。

 

颁奖典礼上将颁发IBC的所有奖项,包括卓越国际荣誉奖(International Honour forExcellence)。所有IBC参观者均可免费参加。

 

##完 ##

 

致编辑:

 

关于IBC

IBC是全球最具影响力的媒体、娱乐和技术展会,每年吸引逾170个国家的57,000多名参与者,将备受推崇的同业评审会议与展出超过1,700家领先供应商的一流电子媒体和娱乐技术的展会结合在一起。

 

IBC2018日程
会议:2018年9月13-17日

 

展览:2018年9月14-18日

这篇关于IBC最佳大会论文奖表彰人工智能方面所取得的进步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/555399

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

从戴尔公司中国大饭店DTF大会,看科技外企如何在中国市场发展

【科技明说 | 科技热点关注】 2024戴尔科技峰会在8月如期举行,虽然因事未能抵达现场参加,我只是观看了网上在线直播,也未能采访到DTF现场重要与会者,但是通过数十年对戴尔的跟踪与观察,我觉得2024戴尔科技峰会给业界传递了6大重要信号。不妨简单聊聊:从戴尔公司中国大饭店DTF大会,看科技外企如何在中国市场发展? 1)退出中国的谣言不攻自破。 之前有不良媒体宣扬戴尔将退出中国的谣言,随着2

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

如何确定 Go 语言中 HTTP 连接池的最佳参数?

确定 Go 语言中 HTTP 连接池的最佳参数可以通过以下几种方式: 一、分析应用场景和需求 并发请求量: 确定应用程序在特定时间段内可能同时发起的 HTTP 请求数量。如果并发请求量很高,需要设置较大的连接池参数以满足需求。例如,对于一个高并发的 Web 服务,可能同时有数百个请求在处理,此时需要较大的连接池大小。可以通过压力测试工具模拟高并发场景,观察系统在不同并发请求下的性能表现,从而

取得 Git 仓库 —— Git 学习笔记 04

取得 Git 仓库 —— Git 学习笔记 04 我认为, Git 的学习分为两大块:一是工作区、索引、本地版本库之间的交互;二是本地版本库和远程版本库之间的交互。第一块是基础,第二块是难点。 下面,我们就围绕着第一部分内容来学习,先不考虑远程仓库,只考虑本地仓库。 怎样取得项目的 Git 仓库? 有两种取得 Git 项目仓库的方法。第一种是在本地创建一个新的仓库,第二种是把其他地方的某个

Prometheus与Grafana在DevOps中的应用与最佳实践

Prometheus 与 Grafana 在 DevOps 中的应用与最佳实践 随着 DevOps 文化和实践的普及,监控和可视化工具已成为 DevOps 工具链中不可或缺的部分。Prometheus 和 Grafana 是其中最受欢迎的开源监控解决方案之一,它们的结合能够为系统和应用程序提供全面的监控、告警和可视化展示。本篇文章将详细探讨 Prometheus 和 Grafana 在 DevO

springboot整合swagger2之最佳实践

来源:https://blog.lqdev.cn/2018/07/21/springboot/chapter-ten/ Swagger是一款RESTful接口的文档在线自动生成、功能测试功能框架。 一个规范和完整的框架,用于生成、描述、调用和可视化RESTful风格的Web服务,加上swagger-ui,可以有很好的呈现。 SpringBoot集成 pom <!--swagge

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已