首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    从编码、网络传输、架构设计揭秘腾讯云高质量、高可用的音视频技术实践

    在互联网飞速发展的时代,视频应用无处不在,各行各业对视频技术的需求开始爆发。伴随视频分辨率的提高,音视频玩法的快速更新以及用户对观看体验需求的不断增加,越来越多的应用场景对音视频技术提出了更高的要求。 近日,腾讯云联合LiveVideoStack出品“一站式体验腾讯云音视频及融合通信技术”专题,邀请4位腾讯云技术专家一同分享了腾讯云在高质量、高可用的实时音视频的技术演进,揭秘腾讯云全链条视频产品背后快速迭代、海量并发的后台架构以及自研编码器的用户体验优化。一站式体验腾讯视频云基于长期海量业务服务经验及十

    04

    行业发展,技术先行 腾讯云为音视频及融合通信发展助力

    近年来,音视频娱乐增长“爆发”,从直播到短视频再到各大视频网站的高速发展,都在强调着这一产业的生命力。行业的爆发离不开背后的技术升级。从云计算、AI到5G,音视频的观看体验和内容制作效率都在得到提升。 日前,在腾讯云+“音视频及融合通信技术”主题沙龙上,来自腾讯云的5位技术专家为大家带来了音视频领域热点话题的分享,用技术的语言传达着腾讯云“产业智变,云启未来”的理念。 腾讯云解决移动直播连麦4大技术问题 什么是普通直播?什么是连麦直播?腾讯高级工程师蒋磊用单口相声和对口/群口相声来生动讲解普通

    02

    基于强化学习的低延迟视频传输,虎牙自研传输网络架构实践,面向流媒体的确定时延传输

    基于强化学习的低延迟视频传输 Topic 《强化学习驱动的低延迟视频传输》 周安福  北京邮电大学 教授,博士生导师 随着视频会议、视频直播的流行以及未来AR/VR业务的发展,低延迟视频传输服务被广泛使用,但用户体验质量(QoE)仍然令人不满意,如视频通话过程中经常出现画面模糊甚至卡顿等现象。 针对这些问题,我们与淘宝直播合作,开展了大规模的测量研究,分析了逾百万条视频会话的细粒度性能指标。根据测量发现,设计了强化学习驱动的系列智能流控算法,分别解决强化学习与实时视频传输交叉结合引起的新挑战,包括:应用层-

    02

    使用 CCIX进行高速缓存一致性主机到FPGA接口的评估

    摘要:长期以来,大多数分立加速器都使用各代 PCI-Express 接口连接到主机系统。然而,由于缺乏对加速器和主机缓存之间一致性的支持,细粒度的交互需要频繁的缓存刷新,甚至需要使用低效的非缓存内存区域。加速器缓存一致性互连 (CCIX) 是第一个支持缓存一致性主机加速器附件的多供应商标准,并且已经表明了即将推出的标准的能力,例如 Compute Express Link (CXL)。在我们的工作中,当基于 ARM 的主机与两代支持 CCIX 的 FPGA 连接时,我们比较了 CCIX 与 PCIe 的使用情况。我们为访问和地址转换提供低级吞吐量和延迟测量,并检查使用 CCIX 在 FPGA 加速数据库系统中进行细粒度同步的应用级用例。我们可以证明,从 FPGA 到主机的特别小的读取可以从 CCIX 中受益,因为其延迟比 PCIe 短约 33%。不过,对主机的小写入延迟大约比 PCIe 高 32%,因为它们携带更高的一致性开销。对于数据库用例,即使在主机-FPGA 并行度很高的情况下,使用 CCIX 也可以保持恒定的同步延迟。

    04

    DPDK加速FPGA支持,强强联手助力数据中心网络加速

    DPDK在专注数据面报文处理的同时,一直紧跟着网络发展的脉搏以开放的姿态融合不断涌现的各种新的网络设备。从最初的普通网卡,到集成虚拟化和交换功能的高级网卡,再到各种网络SoC(片上系统)设备,到现在最热的基于FPGA的Smart NIC,DPDK一直走在软件定义的网络技术发展的最前沿。近年来,数据中心异构化的趋势出现,基于云的数据中心如何使用加速器来进行存储,网络以及人工智能的加速,成为炙手可热的话题,在刚结束的APNET’18研讨会上,华为与腾讯都分享了技术方向与实践演进过程,基于Linux Foundation的开源项目,对这种架构的支持,在软件的持续性与高质量保证上至关重要。

    03

    总结过去三年,MIT发布AI加速器综述论文

    过去这一年,无论是初创公司还是成熟大厂,预告、发布和部署人工智能(AI)和机器学习(ML)加速器的步伐很缓慢。但这并非不合理,对于许多发布加速器报告的公司来说,他们花三到四年的时间研究、分析、设计、验证和对加速器设计的权衡,并构建对加速器进行编程的技术堆栈。对于那些已发布升级版本加速器的公司来说,虽然他们报告的开发周期更短,但至少还是要两三年。这些加速器的重点仍然是加速深层神经网络(DNN)模型,应用场景从极低功耗嵌入式语音识别和图像分类到数据中心大模型训练,典型的市场和应用领域的竞争仍在继续,这是工业公司和技术公司从现代传统计算向机器学习解决方案转变的重要部分。

    02
    领券