Motivation
Bis 2021 wird die Übertragung von Bewegtbild-Inhalten über 80 % des globalen Internetverkehrs bei Nutzern ausmachen. Um die hohen Datenmengen bei der Übertragung von Video an die im Internet begrenzten Übertragungskapazitäten anzupassen, findet vor der Übertragung beim Encoding eine Kompression statt. Diese Kompression arbeitet nicht verlustfrei. Eine subjektiv optisch möglichst verlustfreie Reduktion der zur Speicherung und Übertragung von Bewegtbildinhalten benötigten Datenmengen ermöglicht deren Übertragung über heutige Internetverbindungen. Insbesondere Low-Latency (niedrige Latenz = Reaktionszeit) Live-Streaming stellt hier spezielle Anforderungen an die gesamte Übertragungsstrecke und kann von intelligenten Ansätzen, Inhalte effizienter zu komprimieren, profitieren.
Ziele und Vorgehen
Im Projekt sollen neue Verfahren zum automatisierten Per-Title-Encoding für Video-on-Demand (VOD) und Low-Latency Live-Streaming erforscht und entwickelt werden. Dabei werden Techniken aus den Bereichen der Künstlichen Intelligenz und des Maschinellen Lernens zum Einsatz kommen. Die Verfahren sollen dann hinsichtlich ihrer Anwendbarkeit in den wirtschaftlich höchst relevanten Bereichen Inhalte-Erstellung, Syndikation und Distribution evaluiert und optimiert werden. Ziel ist es, den Zeitaufwand durch den Einsatz solcher Verfahren zur Ermittlung der optimalen Einstellungen im Vergleich zu heute verwendeten Verfahren um bis zu 90 % zu reduzieren. Gleichzeitig könnten die durchschnittlichen Speichermengen und Übertragungsraten im Vergleich zu klassischen Encoding-Lösungen um 30 % gesenkt bzw. die Bildqualität der zu übertragenden Videos erhöht werden. Aus Unternehmenssicht führt dies langfristig zu signifikanten Kostenersparnissen und einer Verbesserung der Dienstgüte (Quality of Experience) für den Endverbraucher.
Innovationen und Perspektiven
Mit den neuen Verfahren soll das optimierte adaptive Video auf genau die Informationen reduziert werden, die der Zuschauer tatsächlich an seinem Endgerät bedingt durch z.B. Auflösung oder Bildschirmgröße sehen kann. Damit sollen die Streaming-Protokolle für VOD und Live-Streaming-Situationen optimiert und eine Erfassung von Metriken mit Feedbackschleife zur dynamischen Optimierung der Encoding- und Streaming-Services ermöglicht werden.