（文章來源：教育新聞網(wǎng)）

AI正在發(fā)現(xiàn)圖像和視頻的多種用途，包括自動裁剪和調(diào)整大小，自動圖像標記以及創(chuàng)建視頻自動預覽。本文研究了五個示例，這些示例說明了Cloudinary如何使用AI大規(guī)模實現(xiàn)圖像和視頻管理。

大規(guī)模管理圖像和視頻的生命周期已成為開發(fā)人員的巨大挑戰(zhàn)。沒有設(shè)計者和開發(fā)者的大軍或應用自動化，維護擁有數(shù)千種媒體資產(chǎn)和大量用戶生成內(nèi)容的站點是不可能的。

我從個人經(jīng)驗中知道這一點。我最初是一個顧問團隊，后來與我的Cloudinary聯(lián)合創(chuàng)始人一再重復手動解決與圖像和視頻管理相關(guān)的請求。我們看到了自動化這些流程的巨大機會– Cloudinary誕生了。這是五個示例，說明了我們?nèi)绾卧谡麄€平臺上應用AI來實現(xiàn)大規(guī)模圖像和視頻管理。

鑒于存在大量的設(shè)備和瀏覽器，準確，快速且大規(guī)模地裁剪圖像具有挑戰(zhàn)性。它需要以許多高寬比傳送相同的圖像，并可能根據(jù)其尺寸在主要被攝體上更近或更寬地裁剪。

裁剪時，圖像的最重要部分應保持可見，甚至位于中央。說起來容易做起來難。最近，一家時裝零售商無意間剪掉了它要促銷的鞋子，但是因為模特的腳不在框架的中央。另一種方法是基于數(shù)學像素分析來裁剪圖像，在該圖像上您將關(guān)注像素比其他像素更清晰的區(qū)域。盡管此方法功能強大，但通常還不夠。

為了正確進行自動裁剪，您需要像肉眼一樣觀看圖像。我們對視覺內(nèi)容使用基于深度學習的媒體轉(zhuǎn)換，以檢測圖像中最有可能引起人們注意的主題。為此，我們使用大量圖像和相應的人工輸入來提供圖像自動裁剪深度學習機制。這教導機器識別圖像中的重要區(qū)域，而不管其主題和布局如何。該過程涉及由基于GPU的硬件集群執(zhí)行的高級計算，該集群可實時處理數(shù)百萬種作物請求。

但是深度學習甚至可以做更多的事情。以零售商裁剪想要出售的鞋子為例。多虧了另一種深度學習算法，我們才能為特定對象或類別(例如鞋子)賦予最高的保存(“不裁剪”)優(yōu)先級。
? ? ?