Hikvision、AI搭載Guanlanエンコーディングで映像圧縮に革新 – ストレージコストを最大50%削減
AIを駆使した映像圧縮技術「Guanlanエンコーディング」の概要
Hikvisionは、AIを活用した新しい映像圧縮技術「Guanlanエンコーディング」を発表しました。この技術は、ストレージコストを最大50%削減しながら、映像品質を損なわないことを目的としています。Guanlanエンコーディングは、従来のピクセルベースの圧縮とは異なり、「意味による圧縮」へとアプローチを転換しています。これは、Hikvision独自の「Guanlan大規模AIモデル」をビデオエンコーディングパイプラインに直接統合することで実現されます。
Guanlanエンコーディングの核となるのは、Region of Interest (ROI) セグメンテーション技術です。この技術は、映像内の人や車両などの重要なオブジェクトをインテリジェントに識別し、それらを完全な明瞭度で維持する一方で、静的な壁や空など冗長な背景データに対しては、より積極的な超高圧縮を適用します。これにより、重要な情報の品質を維持しつつ、データサイズを大幅に削減することが可能となります。
Guanlanエンコーディングは、H.265国際標準に基づいて構築されており、既存のH.265デコーダーやHikvision製およびサードパーティ製のビデオ管理システムとの後方互換性が確保されています。エンコーディングフォーマット、フレームレート、解像度は変更されないため、既存のインフラストラクチャへの導入が容易であるとされています。
Guanlan AIモデルのアーキテクチャと効率性
HikvisionのGuanlan大規模AIモデルは、Guanlanエンコーディングのインテリジェントな圧縮機能の中核を成しています。このモデルは、コンピュータビジョン、多次元知覚、マルチモーダル融合において優れた性能を発揮するよう設計された、Hikvision独自のAIモデル群です。Guanlan AIモデルは、基盤モデル、産業モデル、タスクモデルの3層アーキテクチャで構成されており、幅広いニーズに対応できるように設計されています。
Guanlanエンコーディングは、このAIモデルを活用し、2つの補完的な動作モードを提供します。
-
Dynamic Sensing (動的センシング): 複雑で動きの速いシーンにおいて、ビットレートの割り当てをリアルタイムで調整し、詳細情報を維持します。
-
Static Optimization (静的最適化): 静止画や動きの少ない映像に対して超高圧縮を適用し、一部のフレームをわずか数十バイトにまで削減します。 これらのモードを組み合わせることで、Guanlanエンコーディングは、画一的な圧縮プロセスから、インテリジェントなオンデマンドエンコーディングへとシフトします。
Hikvisionによる内部テストでは、さまざまな環境で一貫したビットレート削減が確認されています。例えば、食堂での24時間テストでは49%の削減、オフィスビルの入り口での30分間のテストでは42%の削減を達成しました。これにより、大規模なセキュリティ導入において、HDD要件、ラックスペース、長期的な消費電力を削減し、プロジェクトライフサイクル全体の総所有コストを低減できると見込まれています。
開発者・エンジニア視点での考察
-
AIモデルのエンコーディングパイプラインへの統合アプローチ: 既存のH.265フレームワーク内にGuanlan大規模AIモデルを直接組み込むことで、リアルタイム処理と広範な互換性を両立させる技術的アプローチは、他のAIoTデバイス開発におけるエッジAI最適化の重要な参考となります。特に、リソース制約のある環境下でのAI推論実行と、既存の業界標準へのシームレスな統合は、今後の組み込みAIシステムの設計において、効率性と実用性を両立させるための鍵となるでしょう。
-
ROIセグメンテーションの高度化と動的適応型圧縮アルゴリズム: 重要なオブジェクトと冗長な背景データを区別するROIセグメンテーション技術に加え、「Dynamic Sensing」と「Static Optimization」といった動的な圧縮モードは、監視システム以外のリアルタイムAIアプリケーション（例：自動運転のLiDARデータ処理、産業用検査における欠陥検出）におけるリソース管理と品質維持の新たな方向性を示唆します。これは、シーンの内容に基づいて優先度を動的に調整する、より高度な圧縮アルゴリズム開発の可能性を開きます。
-
H.265標準への準拠を通じたエコシステム統合戦略: 既存のH.265デコーダとの互換性を維持しつつAI機能を導入した点は、レガシーシステムとの共存が不可欠となるIoTや組み込みAIの分野において、大規模導入を促進するための極めて重要な設計思想です。特定のAIモデルや技術にロックインされることなく、オープンスタンダードをベースとすることで、より広範なデバイスやプラットフォームでの採用が期待でき、エコシステム全体の発展に貢献する可能性があります。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
