CEO’su Chri Besenbruch Derin İşleme, bugün video sıkıştırma standartlarının geliştirilme şekliyle ilgili birçok sorun görüyor. Yeterince hızlı ilerlemediklerini düşünüyor, yasal belirsizlikle boğuşmalarından yakınıyor ve hızlanma için özel donanıma güvenmelerini kınıyor.
Deep Render’ın Disrupt Battlefield 200’e katıldığı Disrupt öncesinde TechCrunch ile yaptığı röportajda Besenbruch, “Kodek geliştirme süreci bozuldu,” dedi. yenilikler için.”
Daha iyi bir yol arayan Besenbruch, Imperial College London’da tanıştığı Arsalan Zafar ile Deep Render’ı kurdu. O sırada Besenbruch bilgisayar bilimi ve makine öğrenimi okuyordu. O ve Zafar, terabaytlarca videoyu bir ağ üzerinden dağıtmayı içeren bir araştırma projesinde işbirliği yaptılar ve bu sırada sıkıştırma teknolojisinin eksikliklerini ilk elden deneyimlediklerini söylediler.
TechCrunch, Deep Render’ı en son kapsadığında, başlangıç, Speedinvest’in katılımıyla Pentech Ventures tarafından yönetilen 1,6 milyon sterlinlik bir başlangıç turunu (1,81 milyon $) kapatmıştı. O zamandan bu yana yaklaşık iki yıl içinde, Deep Render mevcut yatırımcılardan birkaç milyon dolar daha topladı ve toplamını 5,7 milyon dolara çıkardı.
Besenbruch, “İnternet borularının uzatılması zorsa, yapabileceğimiz tek şeyin borulardan akan verileri küçültmek olduğunu düşündük” dedi. “Bu nedenle, önemli ölçüde daha iyi görüntü ve video sıkıştırma oranları elde etmek için temelde yeni bir sıkıştırma verisi yöntemi geliştirmek için makine öğrenimi ile yapay zeka ve sıkıştırma teknolojisini birleştirmeye karar verdik.”
Deep Render, AI’yı video sıkıştırmaya uygulayan ilk kişi değil. Alphabet’in DeepMind’ı, orijinal olarak masa oyunları oynamak için geliştirilmiş bir makine öğrenimi algoritmasını YouTube videolarını sıkıştırma sorununa uyarladı ve video paylaşım hizmetinin kullanıcılara aktarması gereken veri miktarında %4’lük bir azalmaya yol açtı. Başka bir yerde, makine öğrenimi tabanlı video codec bileşeninin popüler kalite ölçümlerinde mevcut tüm standartlardan daha iyi performans gösterdiğini iddia eden WaveOne girişimi var.
Ancak Deep Render’ın çözümü platformdan bağımsızdır. Besenbruch, bunu oluşturmak için şirketin, video verilerini verimli bir şekilde sıkıştırmayı öğrenmek için algoritmaları eğittikleri 10 milyondan fazla video dizisinden oluşan bir veri seti derlediğini söylüyor. Deep Render, birincisi yüzün üzerinde GPU’dan oluşan eğitim için şirket içi ve bulut donanımının bir kombinasyonunu kullandı.
Deep Render, sonuçta ortaya çıkan sıkıştırma standardının, yaygın olarak kullanılan bir codec bileşeni olan HEVC’den 5 kat daha iyi olduğunu ve özel bir AI hızlandırıcı çipi olan mobil cihazlarda (örneğin, modern iPhone’larda Apple Neural Engine) gerçek zamanlı olarak çalışabileceğini iddia ediyor. Besenbruch, şirketin üç büyük teknoloji firmasıyla (hepsi 300 milyar doların üzerinde piyasa değeri olan) ücretli pilotlar hakkında görüşmelerde bulunduğunu, ancak isimlerini paylaşmayı reddettiğini söyledi.
Pentech’in kurucu ortağı ve Deep Render’ın yönetim kurulu üyesi olan Eddie Anderson, e-posta yoluyla şunları paylaştı: “Deep Render’ın kodeklere yönelik makine öğrenimi yaklaşımı, yerleşik bir pazarı tamamen bozuyor. Sadece pazara giden bir yazılım yolu değil, aynı zamanda onların [compression] performans, tekniğin mevcut durumundan önemli ölçüde daha iyidir. Bant genişliği talepleri artmaya devam ettikçe, çözümleri mevcut medya sahipleri ve distribütörler için büyük ölçüde geliştirilmiş ticari performans sağlama potansiyeline sahip.”
Deep Render şu anda 20 kişiyi istihdam etmektedir. Besenbruch, 2023’ün sonunda bu sayının üç katına çıkarak 62’ye çıkmasını bekliyor.