一、啃老与创业的抉择

2023年6月份,儿子从华中师范大学物理学(基地班)毕业,幸好我有先见之明,为了防止儿子大学毕业即失业,提前一年成立了个公司,可以接收应届毕业生,所以儿子大学毕业后总算有了工作单位,没有失业。

因为我自己年龄大了,过几年该退休了,所以我又成立了一家公司,不同的是,这次让大学刚毕业的儿子担任CEO。

儿子读大学时就对游戏如何提升画质很感兴趣,所以公司的研究方向是超分辨率,真的是从零开始,无知者无畏,从传统算法,到深度学习的方法,每天都在成长。

Kimi Chat真是帮了大忙,代码基本靠它完成,然后修正少量代码错误,比起完全靠手写,快了很多倍。

开始时,我们做了个Web版,后来苹果发布了M4芯片的电脑,它的强大的CPU和GPU算力,让我们觉得,把Web版移植为苹果单机版应该也可以。

结果非常令人满意,使用小微修复模型,在Mac mini M4 Pro上,把1080P修复为4K视频,速度高达29.23帧/秒,几乎是实时修复;在Mac mini M1上,速度大约为9.05帧/秒,也不算太慢。

二、为什么选择视频超分辨率方向

这与我的创业理念有关系,这些年我总结出了小公司创业成功的三个要素:

1、技术门槛

就是做难度大的东西,难度越大越好。

2、小众市场

就是做大公司一做就赔钱的鸡肋市场。

3、雪中送炭

就是做市场空白的、真正能帮助用户的东西。

具体就不解释了,反正视频超分辨率方向完美符合这三个要素,又是儿子的兴趣所在,就做了。

三、为什么说视频超分辨率难度大

视频超分辨率方面的论文几乎都是华人发表的,似乎外国人不太感兴趣,按照我的理解,外国人都去卷大模型和生成模型去了,这说明大模型和生成模型的潜在的经济效益更大,而视频超分辨率就象鸡肋,难度又大又没什么“钱途”。

所有视频超分辨率方面的论文的纸面结果似乎都不错,但是一用到真正的场景都会失效,这是因为导致视频劣化的方式非常复杂,如果训练时的劣化方式与推理时的劣化方式不匹配,视频超分辨率的结果就会变得很差。

我们几乎用了一年的时间,在研究数据集和视频劣化方式,才在工程上取得了突破,取得了速度与效果的平衡。

四、自媒体视频博主的好帮手

自媒体博主可以直接从这个产品中受益,通过这个产品,他们可以快速把这些年积累的540P视频、720P视频和1080P视频批量修复为4K或者8K视频,然后重新上传视频网站,粉丝们就可以观看4K版视频或者8K版视频,观看体验更好。

五、在哪里可以找到?

产品已经上架苹果应用商店,名叫“SwiftVideoSR”,如果您对这个产品感兴趣,可以在苹果应用商店搜索“swiftvideosr”,或者在官网详细了解(https://www.jupitershot.net/)。

Logo

邀请您加入社区

更多推荐