Recommended
More Related Content
Similar to 媒體、影視產業、AI新創
Similar to 媒體、影視產業、AI新創 (20)
More from Albert Y. C. Chen
More from Albert Y. C. Chen (17)
媒體、影視產業、AI新創
- 1. 媒體、影視產業、AI新創 Albert Y. C. Chen, Ph.D. Vice President, R&D Viscovery
- 2. Albert Y. C. Chen, Ph.D. 陳彥呈 博⼠士 • 經歷 2017–present：Viscovery 研發副總裁 2015–2017：Viscovery ⾸首席科學家 2015–2015：美國 Nervve Technologies 主任科學家 2013–2014：美國 Tandent Vision Science 電腦視覺科學家 2011–2012：美國 GE Global Research 研發⼈人員 • 學歷 美國 紐約州立⼤大學⽔水⽜牛城分校 Computer Science 博⼠士 國立台灣師範⼤大學 Computer Science 碩⼠士 國立清華⼤大學 Computer Science 學⼠士
- 3. 新創、⽂文創，傻傻分不清？ • 新創： • ⼀一個新的商業模式。 • 迅速在特定利利基市場取 得競爭優勢。 • 成功經驗能複製、擴展 到相關利利基市場。
- 4. 你準備好了了嘛？ • 為實踐idea，你有多⼤大的熱忱？願意付出多⼤大的代價？全 部的時間、⾦金金錢、⼈人際關係？ • 你的idea夠破壞性創新嘛？ • 你的business plan是什什麼? • 你的競爭優勢是什什麼？ • 你要如何建立你的進入壁壘壘？
- 5. 技術風險 vs 市場風險
- 7. 資源有限的新創，該如何在AI競技場⽣生存？ (BCG AI Report, 2016/10) 應⽤用層 技術層 基礎層 解決⽅方案 應⽤用平台 算法 & 框架 通⽤用技術 數據 運算能⼒力力 運算能⼒力力 ⼤大量量數據累積、開放數據接⼝口 算法平台 算法平台 通⽤用技術平台 通⽤用技術平台 應⽤用平台 應⽤用平台 應⽤用 應⽤用 應⽤用 應⽤用 應⽤用 硬體 公司 垂 直 應 ⽤用 的 先 驅 農業 製造業 醫療 ⾦金金融 零售 交通 E.g., 1: Google, Amazon, FB, 2: IBM, 3: Walmart, 5: NVidia
- 8. 專注垂直應⽤用的AI新創 結合AI專家與特定產業或領域的專業知識，解決該領域的 「痛點」。 • 完整的、end-to-end產品。 • 結合特定領域的專業知識。 • 該領域專屬的數據。 • AI提供核⼼心價值。 (Bradford Cross, 2017/06/14)
- 9. 為何選擇專注垂直應⽤用？ • AI⾸首重數據：親⾃自對接重要客⼾戶與供應商獲取第⼀一⼿手資 訊，⽽而非從代理理商取得⼆二⼿手消息。 • AI基礎功能開始變得標準化、商品化。 • 軟體正在蠶食全世界：未來來產業，不論領域，都必須是科 技公司。 • B2B的新創公司，「出場」時總是成群結隊的。 (Bradford Cross, 2017/06/14)
- 10. (Bradford Cross, 2017/06/14) 該選哪個垂直應⽤用？ • 鎖定「潛在市場範圍」 ⼤大、⽑毛利利⾼高。 • 避免「1%謬誤」。 • 避免「確認偏差」。
- 12. 垂直應⽤用AI新創 案例例討論
- 13. Viscovery = Video Discovery Optical Character Recognition Offline Recognition 2013 2014 Product Recognition 2015 Video Content related Advertisements 2017 Wearable Devices Video Content Discovery & Interaction 2016 影⾳音內容⾃自動辨識與商機挖掘的先驅
- 14. 媒體與影視產業⾯面臨臨的挑戰 • 網際網路路時代商業模式：內容免費，流量量加倍，營收就會 跟著翻倍？ • 此商業模式運⾏行行近20年年，受益的僅Google和Facebook。 全球數位廣告營收，他們掌握現階段75%的市場，以及未 來來99%的成長。 • 這商業模式還玩得下去嘛？矽⾕谷最新的「獨⾓角獸」，多已 不再遵照這規則。
- 17. ⼈人們願意付費收看優質內容
- 18. 好的內容，不僅限於原⽣生內容 好的聚合與推薦同樣有價值 • News Republic (2016年年8⽉月被以 57M usd 收購) • 每⽇日活躍⽤用⼾戶數：1250萬⼈人。 • 年年營收6萬美⾦金金。 • 今⽇日頭條 (toutiao.com) • 每⽇日活躍⽤用⼾戶數：8000萬⼈人。 • 年年營收10億美⾦金金。
- 19. ⾃自營平台，或授權Google、 Facebook以外的第三⽅方平台？ • ⾃自營平台： • 對會員服務、營收佔比有更更多控制。 • 授權內容予第三⽅方平台： • 專注於內容製作，減少軟體開發、IT維護、客⼾戶服務 的成本。
- 20. 案例例研究：Netflix • Netflix每年年花2.5億美⾦金金在「個⼈人化影⾳音內容推薦 」的研 發上。 • 全球1億個⽤用⼾戶，美國5200萬個⽤用⼾戶（美國市佔#1 ，第 ⼆二名的Youtube僅52%）。 • Netflix⽤用⼾戶每⽉月觀影19天，每⽉月平均看28⼩小時影片（美國 市佔#2，次於Dish衛星電視的48⼩小時）。
- 24. 影⾳音內容 流量量→營收 的轉換 掙扎的傳統媒體 內容免費 廣告營收 內容收費 會員收費 2000 2005 2010 維持現狀狀 坐以待斃 提昇廣告收益? Ad Tech now 影⾳音內容 關連廣告 ⾃自營平台 共享平台 聚合授權 影⾳音內容 關連推薦 (提昇⽤用⼾戶體驗與黏度) 影⾳音⼤大數據挖掘
- 25. 影⾳音內容關連廣告 Previous moment: dining scene Insert Food Deliver Service ad Next Moment: dining scene 饿了了吗？快点饿了了么！ Food Delivery Service Ad: Previous moment: dining scene Insert KFC ad Next second: dining scene 炸鸡红包快来 抢！ Restaurant Ad:
- 26. 影⾳音內容關連廣告 Previous moment: driving scene Insert Automobile ad Next moment: driving scene Automobile Ad: Consumer Electronics Ad:
- 27. 影⾳音內容關連 電商導購
- 28. 影⾳音內容關連 影片推薦
- 29. 做影⾳音內容關連廣告、影片推薦 需要投入多少研發？ 周杰倫倫唱 A 跳著 B 穿著 C 戴著 D 在 E 場景前於 F 時間? • 距離全⾯面了了解影⾳音內容的「強AI」，還有很⼤大距離。 • 未完美之前，就什什麼事情都不能做了了嘛？
- 30. 過去50年年逐個成熟的電腦視覺應⽤用 • 1960⾄至今：AOI 光學檢測 • 1970⾄至今：指紋辨識 • 1980⾄至今：⾞車車牌辨識 • 1990⾄至今：醫療影像 • 2000⾄至今：⼈人臉識別 • 2010⾄至今：⾃自動駕駛
- 31. 當前的AI影⾳音辨識技術到哪了了？ ⼈人臉辨識 • 1 to 1: 99%+ • 1 to 100: 90% • 1 to 10,000: 50%-70%. • 1 to 1M: 30%. LFW dataset, common FN↑, FP↓
- 32. 當前的AI影⾳音辨識技術到哪了了？ 場景辨識 • MIT Places 365 dataset. • top-5 accuracy rates >85%.
- 33. 當前的AI影⾳音辨識技術到哪了了？ 物件辨識 • ImageNet Large Scale Visual Recognition Challenge (ILSVRC) • 1000+ classes, 1.2M images. 0 0.125 0.25 0.375 0.5 11 12 13 14 11 12 13 14 classification error classification +localization error
- 35. 通⽤用型 AI vs 專⾨門辨識影⾳音內容商機之 AI TOP 5 TAGS COMPARISON TAG AD PLACEMENT VALUE TAG AD PLACEMENT VALUE Person Low Coulee Nazha (actress) High Anime Low Sean Sun (actor) High Screenshot Low Back of smartphone High Cartoon Low Female Medium Adult Medium Young Medium “FIRST LOVE” DRAMA SERIES SCENE Competitive Analysis Baidu vs. Viscovery TOP 5 TAGS COMPARISON TAG (Man’s Face) AD PLACEMENT VALUE TAG AD PLACEMENT VALUE Age: 32 Medium Necklace High Asian Medium Baseball cap High Male Medium Bracelet High Not smiling Low (inaccurate) Ziwen Wang High
- 36. 各種⾓角度的明星臉都要識別 • ⼤大幅提升辨識海海量量視頻⼈人臉的效率與實測準確率 搜圖、篩圖、 補圖 ⼈人臉模型訓練 ⼈人臉偵測 ＋⼈人臉辨識 傳統⼈人臉識別 3.25 ⼩小时 / ⼈人 24 hr 3 min Viscovery 2 分钟 / ⼈人 不需訓練模型 5 min • 僅需單張劇照即可建立⾼高精度⼈人臉模型。 • 配搭之「明星劇照爬蟲系統」上線整合。
- 37. 不僅僅是物件識別... 品牌、型號... ⾼高階 畫⾯面中有⾞車車 這有⾞車車 這有台BMW 這有台BMW M3 Clarifai Metamind (客製，沒有⾃自⼰己的數據） Viscovery (Mission Impossible 5 電影畫⾯面) SenseTime (僅限汽⾞車車)Cortexica CloudSight Cortica (單張影像) 現⾏行行⽐比 對技術 VDS⽐比 對技術 • 克服影⽚片中品 牌、商標，受 到遮擋、光影、 過⼩小、⾮非平⾯面 等等會導致辨 識失敗的因素。 低階
- 38. 攝影⾓角度跳來來跳去的場景識別
- 39. 情緒、抽象性概念念識別
- 40. 辨識結果整合、概念念關連 ⽬目的：透過索取得知tags推測其他「應共同存在tags」。 • Dataset：Shutterstock •＃ classes：7392 •＃samples：19,362,404 (and growing)
- 41. 內容關連廣告推薦 商业模式 上傳影片 内容辨識 廣告推薦 廣告預覽與投遞
- 42. Unstructured videos ⼴广告主 DSP SSP ⼴广代 媒代 DMP Viscovery SDK 互动层Ad Exchange ⼴广告版位 (Key moment) Categories Users User segment Viscovery Server Video id and key moments Publishers Video crawler VSP ranking system One video w/ its id Videos Categories User profile From DMP or publishers Asynchronous processes Filter Recommander engine Category of ad Tracking Server 监控链结(互动层)之资讯 监控链结(互动层)之 资讯 6 53 2 14 vad.json Tag2AD expensive cheaper ad request vtag.raw vtag.raw Database Engine api api VDSAgent web api web api ad op {(vid, {ti, ci})} Video id Key moment AD category https://vsp.viscovery.com/ 還不僅⽌止於此... 還有媒體⽣生態串串接
- 43. 其他藏在影⾳音中未被挖掘的數據 Viscovery’s video insight publication on “Ode to Joy 2”
- 44. ⽤用Video AI將影⾳音內容變現！ 60 mins0 mins 服饰 汽⻋车 代⾔言⼈人 聚会 ⼿手机 居家 z CTR: 0.2% 60 mins0 mins 旅游 活⼒力力 汽⻋车 ⼯工作 聊天 z 60 mins0 mins 学习 using only physical tags for recommendation CTR: 0.9% CTR: 2.0% z z Smartphone Ad physical plus abstract and emotional tags physical, abstract and emotional tags plus feedback 客厅 欢乐 客厅 聊天⼯工作⼿手机 代⾔言⼈人 欢乐旅游