ML 能否取代创意内容生成器，还是将创意提升到新高度的绝佳助手？Netflix 撰写有关其 ML 平台的文章以协助其媒体制作。
在 Netflix，我们每年都会为全球会员推出数以千计的新电视节目和电影。每个标题都使用一组定制的艺术作品和视频资产进行宣传，以支持帮助每个标题找到他们的粉丝观众。我们的目标是为创作者提供创新工具，支持他们有效且高效地创建尽可能最好的媒体。
通过以媒体为中心的 ML 算法，我们将科学和艺术结合在一起，彻底改变了内容的制作方式。这里只是几个例子：
- 我们维护着一套不断增长的视频理解模型，这些模型可以对角色、故事情节、情感和电影摄影进行分类。这些时间码标签可实现高效发现，将我们的创作者从数小时的镜头分类中解放出来，以便他们可以专注于创意决策。
- 我们用源自我们个性化系统的丰富见解武装我们的创作者，帮助他们更好地了解我们的会员并获取知识以制作能够最大限度地提高他们的快乐的内容。
- 我们投资于新颖的算法，以便将难以执行的编辑技术轻松地带到创作者的指尖，例如匹配剪切和自动转描/抠图。
我们的竞争优势之一是我们从我们的成员和创作者团队获得的即时反馈，例如内容选择体验和内部资产创建工具的资产的成功。我们使用这些测量来不断完善我们的研究，检查我们投资的算法和创意策略。我们从会员那里收集的反馈也为我们的因果机器学习算法提供动力，为资产生成提供宝贵的创意见解。
在本博客系列中，我们将探索与以下领域相关的以媒体为中心的 ML 研究、开发和机会：
- 计算机视觉：视频理解搜索和匹配剪辑工具
- VFX 和计算机图形：消光/旋转透视法、体积捕捉以数字化演员/道具/布景、动画和重新照明
- 音频和语音
- 内容：理解、抽取、知识图谱
- 基础设施和范例
点击标题