隔屏对话、如在现场，云转播助力提升冬奥视频服务******

　　在北京2022年冬奥会期间17个场馆的新闻发布会中，北京冬奥会新闻发布会视频服务系统（Info-AV）这项创新技术被广泛应用。据了解，自1月30日服务本届冬奥会首场正式新闻发布会至冬奥会闭幕，Info-AV系统将249场新闻发布会素材便捷传递至全球媒体记者和工作人员，素材总时长达8049分钟。

　　Info-AV系统为北京国际云转播科技有限公司基于自研的云转播平台实现。该系统的应用，使本届冬奥会的视频服务水平得到提升。

　　什么是云转播？北京国际云转播科技有限公司首席技术官张鹏洲介绍，云转播通过云化采、编、播技术，实现传统转播设备云端化、人员服务远程化。与传统采集中制作人员都在现场的模式不同，现在仅需要拍摄人员在现场，制作、导播人员远程接入网络就可以完成信号制作。原有需要在转播车内完成的多项工作，也可分解为多个团队分别在不同地点通过云转播协同完成。

　　传统转播模式以现场制作为主，需要配备大型导播制作团队，还需要采用昂贵的转播车，设备成本高、人员投入大。相较于传播转播模式，云转播的优势则体现在“两降一升一创”——“两降”指降低转播成本、降低制作节目专业门槛，“一升”指团队效率提升，“一创”指转播模式的创新，为观众提供新体验。

　　作为一项新兴视频直播技术，云转播的实际应用效用如何？在2月16日举行的2022北京新闻中心新闻发布会上，北京冬奥组委技术部部长喻红介绍，Info-AV能将现场拍摄的多角度视频和多音轨音频（包括现场声及同声传译）编码后推送至云端，利用云计算的存储、计算、网络传输等资源，将音视频流进行合成、导播、制作及存储，并输出具有多音轨（HLS格式）的音视频直播流，同时支持收录和点播。该服务依托现代网络、通信及云计算技术，实现大流量、高并发的直播应用，当前可并发支持5场发布会直播。

　　此外，本届冬奥会期间，远程虚拟同框采访系统支撑了多场连线活动。运用该系统，多方连线人能够置身于虚拟直播间，在低时延的交互下远程连线互动，可使用手机完成各方信号的采集及回传。

　　记者了解到，本届冬奥会前的“相约北京”系列测试赛中，已多次使用云转播及相关衍生服务。在五棵松体育馆、首都体育馆、国家体育馆、国家速滑馆和国家跳台滑雪中心，云转播和基于云转播技术的远程无人混合采访、远程新闻发布系统投入应用，并成功完成冰球、短道速滑、速度滑冰、花样滑冰、跳台滑雪等多场赛事和相关活动的转播服务。

　　“远程无人混合采访包含现场混采区（运动员端）、云转播平台和远端记者3个部分。”北京国际云转播科技有限公司产品和解决方案部产品总监郭真提到，利用5G网络的高速率、低延时等特点，通过摄像机和显示屏等视频采集设备和展示屏幕，保证运动员和记者之间的采访实时传输。总体来看，使用5G+云转播技术，不仅减少了现场技术人员聚集，还进一步提升了赛事转播安全。

　　“基于核心底层大视频的能力和一系列云转播的产品和技术能力，未来云转播可以在若干领垂直领域发挥作用。”北京国际云转播科技有限公司董事长崔涛表示，例如，在教育行业，云转播和5G技术能力的结合，将能够为群众文化体育活动、青少年的体育教育培训提供更好的服务和创新体验。（孔繁鑫）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟