诺基亚和爱立信与柏林弗劳恩霍夫海因里希·赫兹研究所(HHI)建立合作伙伴关系,旨在推动6G时代的视频编码标准化,为沉浸式媒体和移动视频用户提供更好的体验。
这一合作标志着视频编解码器研究领域的首次尝试,旨在推进视频编码标准的发展并促进该技术在全球范围内的商业应用。合作伙伴们的下一代视频编码技术概念验证被认为是朝着更高效、可互操作的视频传输迈出的重要一步,能够提供比当前标准显著更高的压缩效率,并专门满足6G时代沉浸式媒体和移动视频体验的需求。
合作伙伴认为这一标准对于各种基于视频的应用至关重要,包括移动通信和流媒体,以及沉浸式和低延迟体验。此外,他们表示这将释放显著更高的压缩效率,在降低数据需求的同时,在设备、平台和下一代5G Advanced及6G网络上实现更高质量、逼真且可扩展的媒体体验。
预期应用场景包括专业内容、用户生成内容和人工智能生成内容的编码;游戏和3D内容的编码;机器消费内容的编码;以及汽车和工业应用。
合作研究人员现已展示了据称能够满足下一阶段视频编码标准化要求的技术的早期证据,这是一个重要里程碑,有助于启动未来决策过程。据称该视频编解码器比当前标准(H.264/AVC、H.265/HEVC和H.266/VVC)具有显著更高的压缩效率,而不会显著增加复杂性,同时还改善了能效和可扩展性。
按照预期的6G部署时间表,下一代视频编解码器标准预计将在2029-2030年投入运营,并将定义接下来十年的数字媒体格局。在此之前,当前标准如VVC将在提供先进视频体验方面发挥重要作用,推动市场对高效流媒体、沉浸式媒体格式和跨多样化设备和网络的可扩展服务的需求。
值得注意的是,合作伙伴表示他们向监督机构——ITU-T视频编码专家组和ISO/IEC运动图像专家组的联合提交获得了积极评价,预计将有助于推动标准化委员会的评估和决策过程。
诺基亚多媒体技术负责人Ville-Veikko Mattila在评论这项开发工作时表示:"诺基亚的发明者在过去三十年中在所有市场采用的视频编解码器开发中发挥了重要作用,包括基础的H.26x视频压缩技术,我们对塑造下一代视频标准感到兴奋。通过在标准化进程的最初阶段就开始合作,我们将确保开放性、卓越性和可持续性的价值观融入下一代数字媒体体验中。"
爱立信研究负责人Magnus Frodigh表示:"我们自豪地与诺基亚和弗劳恩霍夫HHI在视频编码方面合作,结合研究专长并塑造下一个标准。我们的合作视频编解码器成就不仅显示了欧洲技术领导者聚集在一起并开拓突破的能力,而且通过在过程的最初阶段就表现突出,也表明了我们塑造下一代标准的共同决心和承诺。"
弗劳恩霍夫HHI执行董事Thomas Wiegand表示:"我们与爱立信和诺基亚的联合研究展示了欧洲在先进媒体技术方面的强大能力及其在全球标准化努力中的积极作用。视频技术是未来数字体验的核心。这一合作也建立在更广泛的JVET研究社区贡献的基础上,其工作继续推动下一代视频编码的进步。"
Q&A
Q1:爱立信、诺基亚和弗劳恩霍夫研究所合作的主要目标是什么?
A:三方合作的主要目标是推动6G时代的视频编码标准化,为沉浸式媒体和移动视频用户提供更好的体验。这项合作旨在推进视频编码标准的发展并促进该技术在全球范围内的商业应用。
Q2:新的视频编码标准预计什么时候投入使用?
A:按照预期的6G部署时间表,下一代视频编解码器标准预计将在2029-2030年投入运营,并将定义接下来十年的数字媒体格局。在此之前,当前标准如VVC将继续发挥重要作用。
Q3:新视频编码技术相比现有标准有什么优势?
A:新的视频编解码器比当前标准(H.264/AVC、H.265/HEVC和H.266/VVC)具有显著更高的压缩效率,而不会显著增加复杂性,同时还改善了能效和可扩展性,能够在降低数据需求的同时实现更高质量的媒体体验。
好文章,需要你的鼓励
随着AI技术不断发展,交通运输行业正迎来重大变革。MIT研究显示,AI将很快自动化价值650亿美元的交通工作,大幅提升运输效率。从陆地到海空,AI正在推动全方位的交通创新。斯坦福专家强调,AI将通过基础模型、合成数据和数字孪生等技术,实现从单一车辆自动化到整个交通网络优化的跨越式发展,同时解决可持续性、安全性和公平性等关键挑战。
香港科技大学团队发表重要研究,开发GIR-Bench测试基准评估统一多模态AI模型的推理与生成能力。研究发现即使最先进的AI模型在理解与生成之间也存在显著差距,无法有效将推理过程转化为准确的视觉生成,为AI行业发展提供重要警示。
波兰研究团队开发ORCA数学基准测试,对五个主流大语言模型进行评估。结果显示ChatGPT-5、Gemini 2.5 Flash、Claude Sonnet 4.5、Grok 4和DeepSeek V3.2的准确率均低于63%。测试涵盖生物化学、工程建筑、金融经济等七个领域的500道数学题目。研究发现模型主要在四舍五入和计算错误方面存在问题,表明自然语言推理进步并未直接转化为可靠的计算能力。
Meta超级智能实验室联合麻省理工学院开发了SPG三明治策略梯度方法,专门解决扩散语言模型强化学习训练中的技术难题。该方法通过上下界策略为AI模型提供精确的奖惩反馈机制,在数学和逻辑推理任务上实现了显著性能提升,为AI写作助手的智能化发展提供了新的技术路径。