技术文章

编者按：从2019年初在线实时K歌玩法开始兴起，提出了许多不同于直播、会议、语聊房、离线K歌场景的新要求，像是音质、耳返、延迟、实时对齐等等。撕歌作为一个创业团队，如何在有限的资源…

视频理解任务在计算机视觉领域备受关注，但是很少研究各种计算机视觉方法在压缩视频上的表现，而在实际场景下，视频理解通常是视频压缩的下游任务。因此，需要研究传输比特率和视频理解性能的权…

有时，我们需要执行一些不同寻常的任务，例如，我们有一段视频，需要从中获取缩略图。在本文中，我们将使用 FFmpeg 和带有 Javascript 的 Node.JS 来完成这些任务…

本文将演示如何通过 WebRTC 显示 H.265 帧，如上一篇文章《不使用 DataChannel 的 WebRTC H.265》中所述。 媒体源扩展 (MSE) 媒体源 API…

视频压缩的大多数方法旨在改进重建视频质量，而非特别保留AI任务所需的语义信息，这会降低下游AI任务的完成效果。此外，任务无关的网络将编码系统与下游任务解耦，并且对于数据稀缺情况友好…

本文介绍如何使用 Socket.io 和 MERN 堆栈创建 Web 实时聊天应用程序。 配置 首先，创建一个新的 MERN 堆栈应用程序或使用现有的应用程序。如果您要创建新项目，…

当您在在线视频/音频会议平台上进行通话时，是否曾遇到过 “网络连接不良 “指示灯，或断断续续或机械般的音频、冻结的视频？您是否想过浏览器是如何判断连接好坏的…

背景：WebRTC 用于从我的 Raspberry Pi 摄像头流式传输视频和音频。为了节省网络带宽并满足我的个人兴趣，我想让它支持 H.265。多亏了 Chrome 浏览器，它现…

视频通信工具的激增已成为远程医疗、娱乐、在线学习、健身、电子商务和其他在线相关业务的催化剂。如果您想在自己的产品中实施实时视频通信，集成一个即用型解决方案将是一个简单的方法。但是，…

AVS3引入了双向光流（BI-directional Optical flow,BIO）技术，和H.266/VVC中的BDOF类似，BIO用于解决基于块的预测会存在块内某些区域仍会…

近日，ZEGO 发布了自研 Web 端播放器插件，可结合 CDN 直播服务，快速集成到 Web 应用中，为开发者提供可监控、稳定、流畅的 CDN 直播播放能力。 Web播放器插件接…

在网络性能方面，有两个关键指标常常被放在首位–延迟和吞吐量。延迟是指将一个信息包从源发送到目的地的时间。另一方面，吞吐量是数据的实际传输速率。 那么，哪个对无缝视频流更…

渐进式 Web 应用程序（PWA）是一种旨在充当本机应用程序的 Web 应用程序。它们在浏览器中运行，因此无需安装，而且可在多个平台上使用。这种组合使 PWA 既能方便开发人员发布…

研究意义 分布式最优一致性问题作为协同控制研究的基础，吸引了研究者的广泛关注，并且取得了丰富的理论结果。值得注意的是，大多数研究结果都要求系统中所有智能体连续通信，而在资源有限的微…

本文作者提出了一个精心设计的图像Tokenizer：SEED。它能为大语言模型赋予同时理解和绘制的能力。由于使用量化视觉Tokens的框架在多模态理解和生成方面的表现欠佳，此前关于…

在多用户通信会话内执行的XR应用程序可以不时地自动保存应用程序状态信息，而设备可以利用所述信息将特定应用程序重新启动到所保存的状态。这种技术对由两个或多个设备参与XR环境的通信会话…

VVC 作为最新的有损视频编码标准，一直受到视频编码界的关注。与其前身相比，该标准的压缩效率有了显著提高，然而，VVC 的增益是以显著的编码复杂度为代价：VVC 继承了早期标准中基…

自适应比特率（ABR）算法在流媒体中被用来根据观众的网络条件调整视频或音频质量，以提供流畅的播放体验。随着虚拟现实（VR）头戴设备的兴起，360° 视频流媒体正迅速发展，需要高效的…

2D 人体姿势估计旨在从整个图像空间中定位所有人体关节。但是想要实现高性能的人姿态估计，高分辨率是必不可少的重要前提，随之带来的是计算复杂度的提升，导致很难将其部署在广泛使用的移动…

Linphone 的 特点是用户界面和核心引擎分离，允许在相同的功能之上创建各种类型的用户界面。 Liblinphone是核心引擎，这是实现Linphone所有功能的库。它是一款功…