目錄
疫情期間，WFH 已成常態，全球有數百萬人使用視訊來開會、學習、娛樂，甚至就診。IT 大廠紛紛發展視訊會議能應用的人工智慧技術。微軟甚至聯合美妝大廠資生堂，共同推出能「立即上妝」的視訊會議 AI 技術呢！
而顯示卡大廠 NVIDIA 去年末推出的雲端視訊串流 AI 平台「Maxine」，能使用人工智慧視訊壓縮技術—只要從人臉上「抓到」幾個關鍵點後，就能在另一端依據這些臉部特徵關鍵點 (facial points)，重建人臉動畫。如此一來，就不需串流整個影像的畫素，大幅度降低視訊傳輸所需的頻寬。
以下影片為 NVIDIA Maxine 的各種功能介紹：
無需強大硬體，即可享有高解析．無噪音的視訊會議體驗
NVIDIA Maxine 是雲端原生的視訊串流 AI 平台，其嶄新的 AI 功能可被導入到各式各樣的網路視訊會議中。視訊會議的服務供應商可透過 NVIDIA 的雲端 GPU（沒錯！此款 GPU 真的就在雲端上，因此你無需添購任何專業的設備～）上運行該平台，為用戶提供全新的 AI 功能，包括視線校正（Gaze Correction）、超高解析度、噪音消除和臉部打光等功能。
由於資料是在雲端而不是在本地設備上處理，因此使用者無需任何強大的硬體設備，即可享受高解析度、無背景噪音、自動修正的角度、甚至虛擬背景、替身、即時翻譯等進階功能！
AI 捕捉臉部關鍵點，所需頻寬減至原本一成
以下為 NVIDIA Research AI 視訊壓縮展示影片：
NVIDIA 使用的人工智慧技術可以分析每個會議參與者的臉部關鍵點（眼、鼻、口等周圍的要點 key points），並在接收器端運用所抓到的臉部要點來重建臉部動畫。如此一來就不需要傳輸完整的畫面，傳輸的資料減少了，所需的頻寬也因而大大減少。
透過上述人工智慧抓住臉部關鍵點的影像壓縮技術，視訊頻寬消耗減少至原本 H.264 串流視訊壓縮標準要求的十分之一，讓服務供應商的成本也跟著減少、終端用戶也可獲得順暢的視訊會議體驗。
透過抓住臉部關鍵點的 AI 影像壓縮技術，視訊頻寬消耗減少至原本 H.264 串流視訊壓縮標準要求的十分之一
眼神接觸、臉部對齊……人工智慧提升視訊會議的體驗
臉部眼神校正功能：模擬面對面開會
Maxine 還應用了 NVIDIA 在生成對抗網路 (GAN) 的優勢，讓視訊會議服務供應商能為用戶提供各種 AI 功能，讓用戶有真實「面對面」的感受。
例如：「臉部對齊」功能可自動調整臉部角度，讓用戶在參與會議的過程中，看起來像是彼此相對、「眼神校正」能模擬眼神接觸、校正會議參與者的視線。這些功能能幫助與會者保持互動，無需一直盯著攝影機。
替身與虛擬背景：人再邋遢、家中再亂都能體面開會！
除此之外，視訊會議服務的供應商也能增加替身功能，讓用戶選擇自己的動畫當替身，能即時地透過用戶的聲音、情緒音調，自動生成逼真的動畫。
除了替身功能，Nvidia 也在今年六月 CVPR 大會，發表 Maxine 平台最新的「Vid2Vid Cameo」的深度學習模型：採用生成對抗網絡（GAN）的技術，只需將一個人的 2D 照片合成至談話影像中，就能輕易地打造數位虛擬化身、節省視訊頻寬，並能夠進行人臉辨識等強大功能。如此一來，就算鏡頭另一端的用戶衣衫不整、頭髮凌亂也不怕了！只要你在會議前拿出一張自己穿正式衣服的照片，就能讓穿著得體的自己當成替身參與視訊會議喔！
假如家中小孩太吵、或是燈光太暗的話，也不用怕！Maxine 的人工智慧技術可以移除背景噪音、並且提供超高解析度的畫面，也提升光線較暗時的清晰度，甚至為臉重新打光！
若上述的都不行的話，你也可以乾脆直接更換成虛擬背景！
Jarvis 對話式 AI：即時翻譯、會議記錄
透過 NVIDIA 對話式人工智慧功能 Jarvis SDK，開發人員可藉由整合使用虛擬助手，在視訊會議服務中進行語音辨識、語言理解與語音生成的功能。虛擬助手可做紀錄、設置執行項目，並以人聲回答問題，也能提供即時翻譯、即時字幕和逐字稿等，有助與會者了解會議中正在討論的內容。
Maxine 平台整合多個 NVIDIA 人工智慧 SDK 和 API 技術。除了上述的 Jarvis 外，還有強化音訊和視訊功能的 NVIDIA DeepStream ，並以 TensorRT SDK 執行高效能深度學習推理。官方提到，Maxine 平臺的人工智慧運算，因為都在雲端處理，所以終端用戶不需升級任何硬體，就能獲得這些功能。
以下為 Maxine 的串流視訊 AI SDK 展示影片：