【锁定直播】字节、华为云、阿里云等技术专家讨论如何将大模型接入 AIOps 解决实际问题,戳>>> 了解详情
写点什么

道不尽的元数据

  • 2012-02-27
  • 本文字数:1624 字

    阅读完需:约 5 分钟

我们看到全球视频的产量和浏览量正呈指数式增长。根据《思科可视化网络指数预测(2010-2015)》,到 2015 年,每个月通过互联网传输的视频将达到 150 亿分钟(约合 27,716 年)。在线视频流量将占到用户总流量的 81%,这一数字在 2010 年为 50%。目前,YouTube 估计每天每分钟就有 48 小时的视频上传至其网站,而且未来几年这一数量还将持续增长。YouTube 每天的浏览量超过 30 亿次。这些数据让人瞠目结舌,而 YouTube 显然仅是众多在线视频的来源之一。

然而,在多数情况下,寻找相关的在线内容仍是个“猜谜”游戏。尽管绝大多数在线信息格式已实现可搜索,但视频世界却是最后一个未攻破的“不透明”堡垒。最具代表性的例证是在线搜索仅限于关键字,而这些关键字必须在上载过程中手动输入。

自制视频的搜索体验会更糟糕。在庞大的未经编辑的视频库内寻找特定内容需要人工一个片段一个片段地快进搜索,耗费大量时间。当其它创意领域早已采用元数据时,视频却顽固抵抗。

相机内置元数据分类和搜索工具彻底变革了数码摄影,通过便捷的摄取工具,摄影师在将图片导入电脑时可以随意添加各种各样的图片说明。那么为什么在这个发达的媒体世界里偏偏视频落伍了呢?

第一个问题就是添加元数据耗费时间和精力。最理想的元数据类型是无需额外劳动就存在的类型,比如相机内的自动元数据。通常,在快节奏的视频制作产业里,没有人有时间手动输入元数据,绝大多数编辑觉得为了方便搜索而标记原始素材费神费力,都期望跳过这一工作立即开始剪辑。

然而,这种直觉与多数研究结果背道而驰——元数据一旦进入传输路径就变得极为宝贵。其中,最宝贵莫过于经手工输入到产成品的元数据。无论是用于传统播放形式、移动设备还是互联网,元数据能够加强视频工作流程的每一步——从原始资料搜索、剪辑和修饰到最终的可发布文件。

第二个问题与视频摄制流程有关。所有应用程序必须对元数据保存具有至少基本的认识,这非常关键。在视频的制作过程中,一个片段可能经过好几种形式——相机拍摄时的原始格式、与编辑应用软件兼容的中间体格式,最后是可发布的格式。如果视频应用程序与元数据不兼容,那么描述数据很容易被剥离,需要人工重新输入。

倘若在视频摄制的某个节点元数据丢失了,那么我们将损失大量时间。我们都极为重视音频或视频的质量,元数据也应该受到同样的重视。以前的很多工具都忽视了元数据,而很多开始尝试元数据的编辑也放弃了,因为发现他们辛苦分类和标记的视频片段被扔掉了。只有所有应用软件都尊重元数据,并提供相应的保存和完善工具,我们才能逃离人工搜索的羁绊。

Adobe 开启了视频领域元数据开放标准的先河,比如 XMP,并且自 CS4 发布以来坚持端到端的元数据工作流。这包括能够让使用者在输出时挑选产成品元数据类型的工具。与此同时,我们积极地与谷歌等搜索引擎公司合作,确保他们的引擎能够主动地识读在线视频文件的元数据。作为视频元数据领域的领军者,我们希望通过提供通用、可按需调整的开放标准早日使“视频非透明”成为历史。

作者简介

Karl Soule 是 Adobe 的著名专家和全球业界活动发言人。他目前担任 Adobe 亚太区数字视频业务发展经理,负责 Adobe 在印度、澳大利亚、韩国、台湾、香港、中国和整个东南亚等十三个国家和地区的业务拓展工作,与客户展开广泛合作。

“我曾访问过几个国家,为 Adobe® Premiere Pro™进行宣传。当时,我在亚洲地区见识到了极高的创新水平和很好的项目,让我迫不及待想要参与到这个市场中来。随着 Adobe® Creative Suite® 5.5 的发布,Premiere Pro 在专业广播市场中迅速占领了一定份额。全世界有多家广播公司均使用 Premiere Pro,证明我们的软件完全满足现代后期制作工作流程的需要。我期待与亚洲地区各家广播公司展开合作,并向他们介绍 Premiere Pro 的种种优点。”

2011 年 7 月,Karl 将办公地点从 Adobe 的圣何塞总部迁到了新加坡,随后展开了繁忙的工作。他与各广播公司和后期制作工作室的重要成员会面,在业界活动中不断宣传 Adobe 的愿景和解决方案。

2012-02-27 07:59618

评论

发布
暂无评论
发现更多内容

辅导孩子写作业,如何才能做到心平气和?

Tiger

28天写作

函数计算 GB 镜像秒级启动:下一代软硬件架构协同优化揭秘

Serverless Devs

解决 Serverless 落地困难的关键,是给开发者足够的“安全感”

Serverless Devs

阿里巴巴 Serverless 运维 Faas 业务

npm进阶(一) 更换成淘宝镜像源以及 cnpm

No Silver Bullet

npm 12月日更

极客实战营-模块一作业

众森焱

应对 Job 场景,Serverless 如何帮助企业便捷上云

Serverless Devs

Serverless Job

后 Hadoop 时代的大数据分析路在何方?

Kyligence

大数据 Kyligence Apache Hadoop

为什么预计算技术代表大数据行业的未来,一文读懂

Kyligence

大数据 Kyligence 预计算

微信业务架构图

holdzhu

「架构实战营」

大数据开发之zookeeper的数据与存储

@零度

大数据 zookeeper

浅谈 OLAP 系统核心技术点

Kyligence

存储 Kyligence OLAP系统

常见杀毒软件及其引擎的特点

喀拉峻

网络安全 病毒扫描

大厂高频面试题Spring Bean生命周期最详解

Tom弹架构

Java spring 源码

Python代码阅读(第68篇):指定值出现次数

Felix

Python 编程 列表 阅读代码 Python初学者

HashMap有几种遍历方法?推荐使用哪种?

王磊

复杂分析场景,SQL or MDX ?

Kyligence

【Maven实战技巧】「插件使用专题」Maven-Archetype插件创建自定义maven项目骨架

洛神灬殇

maven 代码生成 12月日更 骨架生成 架构搭建

尚硅谷Maxwell视频教程发布!

@零度

大数据 Maxwell

跨越可观测性鸿沟|高手们都在用的“火焰图”是什么

尔达Erda

程序员 微服务 云原生 可观测性 链路追踪

如何快速搭建统一数据服务,让数据资源成为数据资产

Kyligence

MLSQL:融合 Spark+Ray,让企业低成本落地 Data+AI

Kyligence

运维提效 60%,视野数科 SAE + Jenkins 打造云原生 DevOps

Serverless Devs

大数据 数据 视野数科

通往数据分析平民化的成功之路

Kyligence

kylin 数据分析师 Kyligence

给弟弟的信第6封|大学生活攻略

大菠萝

28天写作

从 Hadoop 到云原生:Kyligence 在云原生巨浪中的思考

Kyligence

数据仓库 云原生 Kyligence 存储计算分离

node.js安装及环境配置超详细教程【Windows系统安装包方式】

明金同学

node.js npm Node 软件安装

宝德牵手英特尔,共同成就教育美好

江湖老铁

Kyligence + 亚马逊云科技丨实现云上的精细化运营和数字化指挥

Kyligence

我好像发现了一个Go的Bug

捉虫大师

Go benchmark

Gartner 报告最新解读:数仓 or 数据湖?

Kyligence

数据湖 Kyligence 数仓 Gartner

Kafka之为什么需要消息队列

编程江湖

大数据 kafka

道不尽的元数据_DevOps & 平台工程_Karl Soule_InfoQ精选文章