1. 您的当前位置:
2. 首页
3. 行业资讯

丨>>>> 【本期内容】 <<<<丨

❉《8K超高清大屏幕系统视音频技术要求》团标发布

❉博冠推出轻量级国产8K数字摄像机

❉史诗游戏发布《虚拟摄制实践指南》第二卷

❉低复杂度GAN改进模型支持移动终端应用

近期8K超高清技术在标准体系建设领域取得新进展，中央广播电视总台联合相关机构正式发布《8K超高清大屏幕系统视音频技术要求》。作为视听媒体的战略发展制高点，8K电影技术工艺链迄今尚未全面贯通，8K解码播放系统和8K显示器件亟待实现重要突破。

立足新发展阶段，加快8K电影放映端技术升级与创新应用势在必行，对于推动高新技术格式电影摄制播映、支撑电影产业高质量发展、满足人民高品质文化生活需求具有重要意义。

《8K超高清大屏幕系统视音频技术要求》团标发布 

近日在深圳举办的第九届中国电子信息博览会（CITE2021）上，中央广播电视总台联合广东省超高清视频创新中心等单位共同发布了《8K超高清大屏幕系统视音频技术要求》团体标准，涵盖8K电视信号IP传输流程、AVS3 TS流/IP组播流技术参数、8K超高清机顶盒、AVS3解码系统、8K超高清LED显示屏和8K超高清电视机接收系统等技术要求，为8K超高清大屏幕系统的建设、应用、测试和运行维护提供了技术规范，有助于完善我国超高清领域技术标准体系建设，加速推动国内超高清产业落地应用。

该团体标准的制定和发布是贯彻落实“十四五”规划关于加快数字经济发展、完善信息基础设施建设的重要举措。超高清大屏幕系统的普及和应用落地不仅能促进我国超高清视频内容供给，推进广播电视供给侧结构性改革，抢占世界超高清发展先机，以新技术、新应用、新产品、新消费的全产业新业态驱动我国数字经济快速增长。

博冠推出轻量级国产8K数字摄像机 

近日在第九届中国电子信息博览会上，博冠股份发布了自主研发制造的8K超高清摄像机G1，最高支持以30fps机内录制8K UHD短片（7680×4320），有效像素3300万。

博冠G1使用MFT系统（Micro Four Thirds System，又称M43系统），该系统下的CMOS器件尺寸适中，相对APS-C或更大全画幅而言，机器大小和数据尺寸更加小型化轻量化，能够有效提升传输效率。

该摄像机兼容H.264/H.265编码格式，支持最大码率200Mbps，适配各种工作流和显示设备，在保证画质的前提下，通过H.265实时编码可有效控制数据尺寸，较H.264缩小约40%。

此外，博冠G1支持HLG和HDR10标准，拥有HDR输出以及无损压缩音视频传输能力，通过HDMI输出在Atomos Ninja V HDR监视器可外录10-bit ProRes格式，能保留影像传感器输出的全部信息。

博冠G1支持8K+5G超高清直播推流，支持RTMP视频流出和超短延时IP传输，最高支持8路视频源，应用场景广泛。除直播外，还可用于视频加工，可为后期裁切画面进行二次构图、画面局部裁切以及软件数码防抖等应用提供有利条件。

史诗游戏发布《虚拟摄制实践指南》第二卷 

继2019年7月发布《虚拟摄制实践指南》第一卷后，近日美国史诗游戏（Epic Games）公司发布《虚拟摄制实践指南》第二卷，通过对一线专家的采访详解目前虚拟摄制的多种流程，包括远程协同、视觉化、In-Camera视效制作、动画制作，总结自第一卷发布后这一技术领域的进步与创新，重点关注实时技术工具和制作流程在实际影视作品中的应用。

《虚拟摄制实践指南》第一卷探讨了《曼达洛人》虚拟拍摄项目，并阐述了远程多用户协作等新兴工作流程，通过将VR和AR与游戏引擎技术相结合，制作人员能够在场景中进行构图并在拍摄时看到场景，从而消除现场拍摄视效作品时的不确定性，使艺术家能够比线性工作流程更快迭代。

第二卷围绕UE进行了更为具体的介绍，专门探讨了UE未来愿景和UE 5即将推出的新功能，其他新内容还包括探索虚拟摄制解决方案在独立项目中的作用，以及在虚拟艺术部门中创建的一些新工作角色的描述。

低复杂度GAN改进模型支持移动终端应用

近年来在图像生成建模中，生成对抗网络（GAN）的应用越来越多。基于样式（Style-Based）的StyleGAN可生成不同层次的细节，大到头部形状、小到眼睛颜色，在高保真图像合成方面性能最优，但生成过程的计算复杂度非常高，难以应用于智能手机等移动设备。

近日，来自英特尔公司的一名机器学习研发工程师发表论文，研究分析了StyleGAN升级版——StyleGAN2中最为困难的计算部分，并对生成器网络实施了改进，使在边缘设备中部署基于样式的生成网络成为可能。该研究提出了一种名为MobileStyleGAN的新架构，相比于StyleGAN2，该架构的参数量减少约71%，计算复杂度降低约90%，并且生成质量几乎没有劣化。

MobileStyleGAN架构在基于样式生成模型的基础上构建，包括映射网络和合成网络，前者采用StyleGAN2映射网络，后者使用自主设计的高效计算合成网络。

StyleGAN2使用基于像素的图像表征，旨在直接预测输出图像的像素值；而MobileStyleGAN使用基于频率的图像表征，旨在预测输出图像的离散小波变换（DWT），当应用到图像时，DWT将图像空间转换成四个大小相同的图像空间，均具有较低空间分辨率和不同频带，然后离散小波逆变换（IDWT）从小波域重建时域图像。