同样是看S10，别人咆哮「binnnnnnn」，我却在虎牙分析起了背后的代码？？？

鱼羊 2020-10-24 11:47:56 来源：量子位

鱼羊 发自 凹非寺

量子位 报道 | 公众号 QbitAI

盆友，万众瞩目的S10半决赛马上要开始了，你闹钟定好了没？

身在一个时不时就办公室开黑，连团建都在聚众玩健身环的编辑部里，我虽然游戏玩得菜，不妨碍直播看得及时啊~（手动狗头）

毕竟要是错过了这种瞬秒双c的大场面，下回吹水插话buff不是又没了？

不过直播追了一场又一场，游戏理解没啥长进，我却发现自己可能有点“猫饼”。

明明大家都在关注比赛，我却看到了点别的……

满屏的AI技术。

围观S10，我却被弹幕吸引了

事情是这样的，那天我习惯性打开虎牙，进入2020英雄联盟全球总决赛直播间。

双方在大龙跟前开始互殴，我刚准备关掉满屏的弹幕认真围观一波团战，却发现这波弹幕有点不一样：

大龙、英雄、大招……画面里的关键要素弹幕都完美绕开了。

并且，画面还挺稳定流畅，在不关弹幕的情况下，比赛现场的细节都没有被遮挡。

有了这个功能，不错过选手神级操作的同时，尽情享受弹幕欢乐的氛围不是梦，可比调低弹幕透明度效果好多了，奈斯啊！

诸君可能会觉得，这有啥，各大网站早已上线不挡人像的实时弹幕技术，这早就不是新鲜事儿了。

但作为一个经常和程序员们一起开“吐槽大会”的科技编辑，直觉告诉我，即使看上去技术不算新奇，功能上线显得轻轻松松，用户体验满足起来貌似“毫不费力”，背后对于每一个实现细节的推敲，也可能让程序员偷偷又备了好几瓶生发液。

毕竟，如果只是在海量弹幕里抠出人像，只要针对人体进行单类别语义分割就可以了，但在英雄联盟的比赛里，想要看清细节，涉及的目标物可就多得多了：英雄、大小龙、大招……

思路飘到此处，那就不妨直接去问问虎牙的技术大佬。

这一问，还真问出了点门道来：AI弹幕这事儿，看似简单，可也着实费心思。

直播背后的黑科技

别的不说，S10直播前一天，虎牙的工程师们就经历了肾上腺素飙升的一刻。

原本，代码已经在测试环境里稳稳当当跑了一个星期，只等上线，但就在正式上线这前一天，工程师们发现，赛事方给到的数据流存在很多格式不一致的情况。

也就是说，直播中某些线路会因为数据流格式的问题，没办法呈现智能弹幕的功能。

时间紧急，好在技术团队通力合作，花了两三个小时的时间找到了问题所在，这才没耽误功能正式上线。

但跟真正的难题比起来，这也只是一个“小插曲”。

虎牙AI基础技术部总经理许佳介绍，实际上，智能弹幕的实现主要涉及CV中的两类技术：目标检测和目标分割。

核心是针对当前画面，识别出英雄在哪里，放了什么大招，并把它们的位置和轮廓信息都准确地识别出来。

乍一看，都是成熟可借鉴的技术，但真要应用到S10的赛事直播中，并且呈现出理想的直播效果，还是让虎牙的工程师们犯了难。

前文也提到，比起单纯突出主播的智能弹幕，游戏画面中的要素复杂得多，特别是团战这样的关键画面中，英雄大小不一、各种技能光效都会对目标检测、目标分割造成干扰。而且这在全球直播领域，并没有可以参照的前例。

具体而言，难点可以归结为为以下三点。

难点1：稳定性、实时性保障

首先，直播流是实时传输的数据， AI智能弹幕从输入到输出就需要在30ms内处理完毕。同时，在稳定性上，一旦处理结果发生丢帧或前后结果不一致，在用户看来画面的抖动就会很明显。

在如今上线的版本中，虎牙主要通过三点来应对这一挑战。

模型精简：综合运用模型简化，压缩，推理优化等技术提高运行速度，同时确保准确性在95%以上。

智能调度：尽可能并行，根据超时，模型计算量来分派任务。

利用时间序列的关联性，通过文字，图像等多种信息结合来优化结果。

难点2：Mask的准确预测

许佳还坦言，虽然基于虎牙在技术底层架构的扎实积累，技术团队在3个星期内搞定了AI智能弹幕的初版，但在上线之前，后续他们花费了更多的时间、精力在Mask预测的迭代、优化上。

这里麻烦的点在于，LOL的英雄有很多不同的皮肤，皮肤不同又会导致英雄形态完全不同。

理论上，任意英雄的任意皮肤都有可能出现在比赛中。但从真实比赛场景中能获得的原始图像数据又是很有限的。

因此，从训练数据集的角度来说，在构建阶段就需要充分考虑数据构造、数据均衡、数据增强等方法的设计。

这里， 为了提高Mask预测的准确性，虎牙的工程师们创新地提出了背景生成技术， 通过虎牙之前积累的赛事数据，生成无英雄的背景视频，然后再通过背景相减的方法，来获得鲁棒mask分割。 在此基础上，再结合目标检测对英雄、大招等进行针对性处理， 这样在准确性上带来了很大的提升。

难点3：观看体验的优化

另外，在游戏直播中，游戏角色运动也有其独特之处，比如单帧对象大多分布零散，比如在快速移动的同时，会伴随大量光影特效，计算其Mask后，Mask会产生非常快速的抖动，造成真实观看体验中的“眩晕感”。

为此，虎牙技术团队在之前积累的光流算法SelFlow技术基础上，利用帧间信息，对mask进行平滑， 通过前后帧融合的后处理方式，来平滑观看体验。此外，虎牙前端的同学，也在用mask将弹幕和画面融合时，巧妙地加入边缘羽化处理，也很大程度上优化了观看体验。

涉及的细节这么多，想要兼顾产品呈现和用户体验，对于虎牙技术团队而言挑战不算小。

好在虎牙工程师们有足够的热情，发起这99分到100分的挑战——他们之中有很多都是LOL死忠粉、游戏硬核玩家。

许佳就说，虎牙电竞赛事直播从s6就开始做了，现如今解决卡顿、画质之类的“温饱问题”，也有了很深的技术积累，对技术和产品团队来说，自然而然就想更进一步。

虎牙的技术团队是一个愿意不断积累、不断挑战自我的团队，目标不仅仅是满足用户顺畅、清晰看到直播的基础需求，而是在此之上，还要给用户带来更好的观看体验。

AI智能弹幕也正是因此诞生，虎牙工程师的目标是让用户在观赛的道路上“从温饱奔向小康”，以及在将来享受到更深层次的沉浸式体验。

另一方面，虎牙在AI底层技术方面也早有动作。

像AI智能弹幕和AI打点实时回放，及其相关的游戏内容实时理解架构，基本技术思路都是将大任务化成小任务并行协作，化繁为简。

而其基础正是虎牙团队的Leaf-AI服务。这是虎牙自研的Serverless服务架构。

基于此，任务背后多个小模型可以实现并行计算、按需伸缩，尽可能节约昂贵的GPU资源。在计算资源受限的情况下，还可以结合线上反馈及运行，进行无感知更新和效果切换，尽量把用户体验做到最佳。

用心做产品，观众老爷们自然认可，反馈回来的结果也给工程师们打了一剂强心针。

许佳透露，数据方面，在虎牙S10赛事的直播中，AI弹幕覆盖率达到了98%，也就是说98%的观众都会在观看比赛时打开弹幕防遮挡，数据说明一切，工程师们的用心和努力得到了最好的回应。

而从感性的角度来说，有不少用户都在评论、弹幕中反映AI智能弹幕“有意思”。

电子竞技孵化的黑科技

说起来，跟电子竞技、游戏相关的AI黑科技，从AI浪潮兴起之初，就一路层出不穷。

出圈如DeepMind的星际AI AlphaStar，不仅碾压99.8%人类对手，占据各家科技媒体头条，还正正经经登上了Nature。

《吃豆人》、《打砖块》这样的经典小游戏，也被认为是孵化AGI（通用人工智能）的绝佳训练场。

有时候你也搞不清楚，这群科研人员到底是为了催生黑科技才沉迷游戏，还是沉迷游戏顺手就写成了论文（误）。

或许也可以说，游戏也是黑科技的第一生产力。参与电竞，也是在推动生产力呀~（手动狗头）

目前弹幕的数量还没到顶峰时刻，半决赛以及总决赛现场肯定又是一波海量弹幕，这对于AI智能弹幕而言也是一次精彩的挑战。所以召唤师峡谷的盆友们，你们觉得今年LPL战区能再拿个冠军不？来唠唠看好哪支队呗？

走过路过的盆友，也不妨一起来虎牙围观吐槽，感受一下电竞氛围呀~

— 完 —