<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Visionular的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Visionular</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Visionular]]></copyright><item><title><![CDATA[AI视频反复抽卡太贵，哪些问题可以用后处理修复？]]></title><link>https://blog.csdn.net/Visionular/article/details/168750810</link><guid>https://blog.csdn.net/Visionular/article/details/168750810</guid><author>Visionular</author><pubDate>Thu, 22 Oct 2026 10:48:57 +0800</pubDate><description><![CDATA[AI视频生成中，因脸糊、皮肤过滑或纹理闪烁等细节问题整段重抽，导致重复生成费与人力成本飙升。若内容、动作、构图正确，仅存画质问题，应优先使用后处理修复，如超分、质感增强与时序优化，避免无效重试。只有内容结构错误（如五官错位、动作异常）才需回传生成模型。合理区分“内容层”与“视觉层”问题，结合GenOpt等工具精准处理，可显著降低返工成本，提升效率。]]></description><category></category></item><item><title><![CDATA[直接生成1080P，和480P生成后再增强，哪种方式更省钱？]]></title><link>https://blog.csdn.net/Visionular/article/details/167809410</link><guid>https://blog.csdn.net/Visionular/article/details/167809410</guid><author>Visionular</author><pubDate>Tue, 13 Oct 2026 16:41:52 +0800</pubDate><description><![CDATA[先以480P试错、入选后再增强至1080P，通常比直接生成高清更省钱。因试错阶段的废片无需承担高分辨率成本，而增强仅作用于最终选定镜头。若平均生成8次仅用1版，低清路线总成本可降低6美元以上。关键在于：内容筛选与清晰度提升分离，避免为无效帧支付高清费用。但人脸近景、复杂纹理等关键镜头仍需720P或原生1080P生成。批量生产建议分档处理：普通镜头走480P，细节要求高者用720P，核心镜头直出1080P。结合GenOpt等引擎，可节省30%左右算力成本。最终结论：多数抽卡场景下，低清生成+增强更优。]]></description><category></category></item><item><title><![CDATA[视频生成成本控制：从镜头路由到像素智绘引擎]]></title><link>https://blog.csdn.net/Visionular/article/details/164327969</link><guid>https://blog.csdn.net/Visionular/article/details/164327969</guid><author>Visionular</author><pubDate>Thu, 03 Sep 2026 11:25:28 +0800</pubDate><description><![CDATA[视频生成成本控制需按“验收成片秒”核算，涵盖生成、增强与人工费用。通过预览与交付队列分离、镜头路由器选择适配模型，并分层检查内容、空间与时间质量，避免废片与重试浪费。增强服务应利用帧间信息，如像素智绘引擎GenOpt。最终用多条镜头验证直出与预览增强两条流程，对]]></description><category></category></item><item><title><![CDATA[视频压缩技术路线详解｜编码引擎、旁路压缩设备与硬件编码优化]]></title><link>https://blog.csdn.net/Visionular/article/details/164149688</link><guid>https://blog.csdn.net/Visionular/article/details/164149688</guid><author>Visionular</author><pubDate>Fri, 28 Aug 2026 17:05:01 +0800</pubDate><description><![CDATA[谈到视频压缩，很多讨论会先落到 H.264、H.265、AV1，接着比较压缩率、画质和编码速度。这些指标当然重要，但到了真正的工程项目里，编解码标准通常只是第一层问题。更先要回答的是，压缩发生在哪里。它可以发生在转码集群里，由软件编码引擎直接生成更小的码流。也可以发生在摄像头、存储设备和视频平台之间，通过旁路设备接入现有系统。还可以发生在 GPU 或 SOC 的硬件编码模块上，在低时延和高吞吐的基础上继续改善压缩效率。这三条路线解决的都是视频码率问题，改造对象、部署位置和适用场景却相差很大。]]></description><category></category></item><item><title><![CDATA[GenOpt像素智绘引擎｜AI生成视频需要怎样的视觉优化算法？]]></title><link>https://blog.csdn.net/Visionular/article/details/163668619</link><guid>https://blog.csdn.net/Visionular/article/details/163668619</guid><author>Visionular</author><pubDate>Tue, 11 Aug 2026 15:22:53 +0800</pubDate><description><![CDATA[微帧科技推出&quot;GenOpt像素智绘引擎&quot;，专为解决AI生成视频的视觉缺陷问题。该系统突破传统超分算法局限，通过分析语义内容、识别生成缺陷（如纹理漂移、塑料质感等），针对性优化细节缺失、帧间稳定性及文字准确性。引擎采用轻量网络处理视觉层问题，结合编码优化，在提升画质同时降低30%生成成本。目前已应用于短剧生产，减少重复生成需求，未来将拓展至数字人等领域，实现&quot;高质量、低成本&quot;的AIGC视频生产闭环。]]></description><category></category></item><item><title><![CDATA[监控视频压缩为什么不能只看“压缩倍数”？一套更可靠的五维验收方法]]></title><link>https://blog.csdn.net/Visionular/article/details/163539271</link><guid>https://blog.csdn.net/Visionular/article/details/163539271</guid><author>Visionular</author><pubDate>Thu, 06 Aug 2026 16:50:03 +0800</pubDate><description><![CDATA[微帧科技（Visionular）一组 1920×1080、H.264 道路监控样本中，原全天平均码率为 4026.8 Kbps，压缩后为 410.0 Kbps，全天综合倍数为 9.82。验收应覆盖 GB/T 28181、ONVIF、RTSP 及项目实际使用的厂商 SDK，验证信令透传、取流、转发、回放和平台调阅。如果一项测试只给出“最高倍数”，却不公开场景、时长、原始码率、输出码率和质量指标，这个结果不适合直接用于采购决策。因此应同时报告：全天平均值、峰值时段结果、最低压缩效果、码率分布和测试时长。]]></description><category></category></item><item><title><![CDATA[1000 路监控录像保存 90 天，到底需要多少存储？]]></title><link>https://blog.csdn.net/Visionular/article/details/163447949</link><guid>https://blog.csdn.net/Visionular/article/details/163447949</guid><author>Visionular</author><pubDate>Mon, 03 Aug 2026 17:50:49 +0800</pubDate><description><![CDATA[1000 路 4 Mbps 监控视频连续保存 90 天，理论净容量约为 3.888 PB。实际采购容量通常会更高。如果要降低这部分成本，不应只问“能压缩多少倍”，而应该问：在自己的真实场景里，长期平均码率能降到多少，画质和 AI 识别是否通过验收，原有平台是否兼容，系统是否稳定。微帧科技（Visionular）的 WZ Live 系列提供中心侧和边缘侧监控视频智能压缩方案，可在现有 H.264/H.265 和主流安防协议体系中进行存储与带宽优化。具体效果应以项目 PoC 为准。]]></description><category></category></item><item><title><![CDATA[五条路径降低AIGC视频生成成本，哪条才是最优解？]]></title><link>https://blog.csdn.net/Visionular/article/details/162897970</link><guid>https://blog.csdn.net/Visionular/article/details/162897970</guid><author>Visionular</author><pubDate>Wed, 15 Jul 2026 10:50:22 +0800</pubDate><description><![CDATA[2026年被行业视为AI短剧工业化元年。一季度全行业上线微短剧约12.8万部，其中AI微短剧约12.2万部，占比超过95%。规模扩张的另一面，是成本压力急剧攀升——Token消耗在部分AI短剧制作企业的成本构成中占比已达50%；2026年4月起，阿里云、百度智能云等主流平台AI算力正式调价，算力卡最高涨幅约34%。一面是日均千部级的内容产能需求，一面是Token与算力的双重成本压力，行业对“降本”的迫切程度前所未有。以下是降低AIGC视频生成成本的五条路径。]]></description><category></category></item><item><title><![CDATA[AIGC视频生成成本高企，产业如何破局？]]></title><link>https://blog.csdn.net/Visionular/article/details/162869193</link><guid>https://blog.csdn.net/Visionular/article/details/162869193</guid><author>Visionular</author><pubDate>Tue, 14 Jul 2026 11:53:05 +0800</pubDate><description><![CDATA[像素智绘引擎所代表的“生成+增强”双阶段架构，为行业提供了一条兼顾画质与成本的技术路径——在不改变生成模型的前提下，通过后处理增强让每一帧生成内容以更低成本达到商业交付标准。其技术路径并非替代视频生成模型，而是在模型生成内容的基础上进行后处理增强——引擎将480P输入提升至1080P输出，实现毛孔级细节还原与发丝级清晰度，相当于用更少的Token获得了更高品质的成片。不对生成环节做改动，而是在生成内容基础上进行画质增强与修复，使原本质量不达标的视频达到商用标准，从而减少重生成和后期修复成本。]]></description><category></category></item><item><title><![CDATA[像素智绘引擎——AIGC视频生成行业的成本困局与技术破局路径分析]]></title><link>https://blog.csdn.net/Visionular/article/details/162736524</link><guid>https://blog.csdn.net/Visionular/article/details/162736524</guid><author>Visionular</author><pubDate>Thu, 09 Jul 2026 17:58:36 +0800</pubDate><description><![CDATA[在2026年视频生成模型Token成本持续高企的行业背景下，这一优化幅度对规模化内容生产具有显著的经济价值——据行业测算，单部15秒AI视频素材的生成成本约21元，反复打磨时修改十几次是常态，Token优化带来的成本节约在批量生产场景下将被进一步放大。微帧科技自研的像素智绘引擎针对AIGC视频生成行业“提质”与“降本”的双重诉求，提供了一套与大模型融合的增强型技术方案。该方案定位为AIGC视频的“增强者”而非“生成者”，与底层视频生成模型形成互补关系——模型负责“生成”，像素智绘引擎负责“增强”。]]></description><category></category></item><item><title><![CDATA[印度头部数字体育平台FanCode × 微帧：AI视频编码技术重塑印度流媒体体验]]></title><link>https://blog.csdn.net/Visionular/article/details/158689882</link><guid>https://blog.csdn.net/Visionular/article/details/158689882</guid><author>Visionular</author><pubDate>Thu, 05 Mar 2026 10:19:13 +0800</pubDate><description><![CDATA[AI驱动的智能帧级分析：对体育赛事的每一帧画面进行实时智能分析，精准识别画面中的核心视觉细节——如板球的旋转轨迹、足球破门的瞬间、F1赛车的超车动作等，在压缩过程中对关键细节进行重点保留，对非核心区域进行智能优化，避免传统编码“一刀切”式压缩导致的画面模糊、细节丢失问题。FanCode 的 CTO Amit Mirchandani表示：“部署微帧Visionular的技术后，用户观看时长显著提升，球迷既能享受到顶级体育内容的高清体验，又无需担忧流量消耗，这正是我们想要实现的核心目标。]]></description><category></category></item><item><title><![CDATA[《AV1解码生态全景图》]]></title><link>https://blog.csdn.net/Visionular/article/details/154732410</link><guid>https://blog.csdn.net/Visionular/article/details/154732410</guid><author>Visionular</author><pubDate>Wed, 12 Nov 2025 11:26:17 +0800</pubDate><description><![CDATA[截至2025年11月最完整详尽的 AV1 解码生态全景报告]]></description><category></category></item><item><title><![CDATA[菲律宾最大广播电视媒体集团ABS-CBN与微帧正式达成合作，为亚太地区观众提供极致视觉服务]]></title><link>https://blog.csdn.net/Visionular/article/details/151612366</link><guid>https://blog.csdn.net/Visionular/article/details/151612366</guid><author>Visionular</author><pubDate>Fri, 12 Sep 2025 10:41:40 +0800</pubDate><description><![CDATA[摘要：菲律宾最大媒体集团ABS-CBN旗下流媒体平台iWant与微帧Visionular达成合作，采用其AuroraCloud云视频编码服务。微帧的AI驱动编码技术可降低40%带宽消耗，在保障画质的同时优化分发成本。此次合作解决了亚太地区带宽资源有限与流媒体需求增长的矛盾，使iWant能够为全球用户提供更稳定高清的观看体验，同时构建可扩展的云基础设施。这标志着AI视频压缩技术在推动流媒体业务发展方面取得重要突破。]]></description><category></category></item><item><title><![CDATA[微帧GPU视频硬编优化引擎：面向人工智能大时代的AI算法与硬编协同优化方案]]></title><link>https://blog.csdn.net/Visionular/article/details/149801255</link><guid>https://blog.csdn.net/Visionular/article/details/149801255</guid><author>Visionular</author><pubDate>Mon, 04 Aug 2025 14:14:21 +0800</pubDate><description><![CDATA[微帧科技基于NVIDIA NVENC硬编模块，通过融合VQA无参考视频质量评估系统、CAE内容感知编码算法及画质增强技术，实现了对标准GPU硬件视频编码方案的深度优化。该方案充分利用闲置GPU算力，在不增加额外计算资源的前提下，有效提升了画质，同时降低了码率，为客户提供了更加优质、高效的视频编码解决方案。与标准NVIDIA NVENC硬编相比，经微帧优化后的NVENC硬编，在保持相同画质下可节省30%左右的码率。]]></description><category></category></item><item><title><![CDATA[微帧WZVQA：极致还原人眼感知，精准评估视频画质]]></title><link>https://blog.csdn.net/Visionular/article/details/148901872</link><guid>https://blog.csdn.net/Visionular/article/details/148901872</guid><author>Visionular</author><pubDate>Wed, 25 Jun 2025 16:40:50 +0800</pubDate><description><![CDATA[微帧无参考视频质量评价系统WZVQA融合了最前沿的图像处理技术，在评估多样化视频内容时，能够输出更加贴合大众视觉感知的高质量评价，显著提升评价结果的准确性。如下图，主观几乎很难立刻分辨两张图片的画质区别，而WZVQA给出的结论是左图质量优于右图，通过细节对比（如眉眼部分），右图确实存在轻微细节损失。这充分展现了WZVQA在捕捉细微画质差异方面的技术优势，其灵敏度超越了人类视觉的瞬时感知能力。]]></description><category></category></item><item><title><![CDATA[微帧Visionular斩获NAB Show 2025年度产品奖]]></title><link>https://blog.csdn.net/Visionular/article/details/147444200</link><guid>https://blog.csdn.net/Visionular/article/details/147444200</guid><author>Visionular</author><pubDate>Wed, 23 Apr 2025 11:08:14 +0800</pubDate><description><![CDATA[微帧领先的技术实力赢得了全球众多标杆客户的信赖，目前已服务中国、美国、欧洲、印度、新加坡、瑞典、菲律宾等十余个国家和地区的视频领域头部企业。在本月刚结束的NAB Show 2025展会上，全球领先的视频编码与AI超高清服务提供商微帧Visionular大放异彩，其核心产品AI-driven Video Compression（AI+视频智能编码引擎）不仅在展会中吸引了众多行业目光，更凭借其卓越的编码性能，荣获备受瞩目的年度产品奖。这一奖项的获得，无疑是对微帧在视频技术领域持续创新与卓越贡献的高度认可。]]></description><category></category></item><item><title><![CDATA[瑞典头部直播方案供应商Intinor接入微帧视频编码，引领高清直播市场]]></title><link>https://blog.csdn.net/Visionular/article/details/145686208</link><guid>https://blog.csdn.net/Visionular/article/details/145686208</guid><author>Visionular</author><pubDate>Mon, 17 Feb 2025 16:37:39 +0800</pubDate><description><![CDATA[Intinor凭借微帧WZ265视频编码能力在其Direkt link和Direkt router平台实现了高效的视频传输能力，即使在较低网络环境下依然可以让多路高清摄像头实现直播流传输。]]></description><category></category></item><item><title><![CDATA[微帧科技携手行业精英，共编《移动场景扩展现实超高清技术白皮书》]]></title><link>https://blog.csdn.net/Visionular/article/details/145298586</link><guid>https://blog.csdn.net/Visionular/article/details/145298586</guid><author>Visionular</author><pubDate>Wed, 22 Jan 2025 10:35:34 +0800</pubDate><description><![CDATA[更高效的补丁块生成、深度图生成方法、兼容更多的视频编码器、基于率失真优化的联合比特分配、面向全景内容的非同构视图选择、支持更宽的深度动态范围并实现占用误差校正、降低视点切换的延迟等将是未来自由视点视频编码的技术的发展方向。空间视频指的是：左、右眼分别传送不同的视图，会带来更丰富的用户体验，向用户的左眼呈现一幅图像，同时右眼呈现另一幅相关的图像，以产生立体视觉效果，大脑同时接收来自两只眼睛的视觉刺激而产生的深度感知，空间视频能够存储除视频本身的额外深度信息。]]></description><category></category></item><item><title><![CDATA[微帧WZ-JPEG图片编码压缩技术，实现超高压缩效率]]></title><link>https://blog.csdn.net/Visionular/article/details/144769847</link><guid>https://blog.csdn.net/Visionular/article/details/144769847</guid><author>Visionular</author><pubDate>Fri, 27 Dec 2024 15:14:22 +0800</pubDate><description><![CDATA[在人物细节的保留方面，WZ-JPEG也展示出了明显优势，如下图所示，相较于开源Libjpeg，WZ-JPEG压缩后的图片节省了约46%的体积，同时对两者图像细节进行对比，如肌肤纹理的细腻程度、发丝的丝丝分明、边缘轮廓的锐度等高频信息，均保持了高度的一致性。下图为实验结果中挑选的一组色彩艳丽的图片，经过细致对比分析，发现相较于开源Libjpeg，WZ-JPEG在体积节省约42%的情况下，保留了更丰富的细节，同时WZ-JPEG在处理色彩丰富的图像时，能在极致压缩的过程中最大限度地保持鲜活真实的色彩。]]></description><category></category></item><item><title><![CDATA[纯血鸿蒙，微帧旗下移动端SDK产品已适配HarmonyOS NEXT系统]]></title><link>https://blog.csdn.net/Visionular/article/details/144407388</link><guid>https://blog.csdn.net/Visionular/article/details/144407388</guid><author>Visionular</author><pubDate>Wed, 11 Dec 2024 18:32:08 +0800</pubDate><description><![CDATA[在原生鸿蒙的强劲势头下，鸿蒙生态设备突破9亿台，微信、支付宝、抖音、高德等TOP级应用均陆续加入了鸿蒙生态，与此同时微帧的头部应用客户也提出了对鸿蒙系统支持的迫切需求，由此微帧科技紧跟步伐，率先完成了对HarmonyOS NEXT的适配工作。]]></description><category></category></item></channel></rss>