区块链技术能否挑战YouTube、Netflix的地位?

面对YouTube、Netflix等平台对内容市场的垄断及对创作者收益的限制,区块链技术提供了去中心化的解决方案。这种技术允许内容创作者直接从作品中获利,同时给予用户更大的观看自由度。通过去除中间环节,区块链平台如StreamSpace和Flixxo正改变在线视频行业的格局。


导读:YouTube、Netflix等网络视频流媒体巨头在很大程度上控制着整个网络视频内容市场,但在这些平台上,内容创作者却无法因其创作的内容而获利,用户也丧失了很多观看视频的自由度。而区块链技术似乎就为这一现象提供了解决办法,为用户带来了更多的自主权,并为内容创作者带来更好的获利选择。但无论区块链技术是否会改变在线视频流媒体领域,去中心化系统的价值也是不可否认的。


现如今,网络视频内容已经发展成为规模相当大的一个行业。YouTube等业内巨头实际上也已在很大程度上有效地控制着整个市场,在全球范围内的内容消费市场中,随处可见YouTube的身影。


虽然这些大规模的企业巨头已经创建出平台方便用户访问大量流媒体视频内容,但是这种业务模式下也已开始出现一些裂缝。


YouTube等公司由于在无需向实际内容创作者支付除广告收入以外费用的情况下通过创作者的内容获利而备受责备。虽然YouTube因上传的内容而获利,但内容背后的实际创意天才却距离这些利润有咫尺之遥,并且基本上被迫要为平台销售广告才能赚钱。


“创作者因其创作的内容而获得利润得不到保证——即使这些内容会迅速红遍整个网络。这种情况下,除非他们拥有一个具体的盈利机制。然而,这些服务却受益于用户所创造的一切内容。”


而Netflix等公司也因其对内容的普遍控制,阻止用户观看他们想看的内容而备受批评。可用内容目前由视频流平台严格控制。Netflix等公司几乎拥有着专制的控制权,使得用户仅能够观看一定数量的受限视频。每月服务费用也意味着无论用户消费多少内容,公司都将获得费用。每月仅观看1个视频的用户与观看100个视频的用户支付的费用相同。


为创作者而开发的区块链


而据福布斯上发布的一篇文章显示,区块链技术似乎就为这一现象提供了解决办法。这种分布式分类账本平台使用户有机会单独上传内容并从中获取利润,无需向中心化的企业中心支付费用。据该文章作者表示:


“视频市场StreamSpace就是一个挑战视频点播与广告驱动流媒体服务地位的平台,该平台使影片制作者能够直接通过区块链出售其作品。另一平台Flixxo也结合了区块链与种子技术(torrent technology),创建了一个视频共享平台,为社区带来收益分享模式。”


通过构建点对点接入网络并在平台内部通过内容盈利,这些公司正在使用区块链技术将资金转回到创作者和用户的手中。


用户自由


去中心化平台还会为用户带来更多的自由。由于去中心化平台赋予了用户更多选择,所以用户能够删除在视频流媒体领域中几乎常见的内容,如在视频播放之前、之中和之后的广告。


此外,用户对自己想要观看的数据也拥有一定的自主权。他们可以使用任何创建并上传的内容,无需在Netflix等中心化平台的监督之下。


在去中心化的点对点平台中,用户也有能力为他们欣赏的创作者或他们喜欢的作品做出贡献。这就带来了在中心化和利益为中心的平台(如YouTube)上不可实现的一定程度互联性。


提升用户自由度并为内容创作者带来更好的获利选择肯定会带动许多YouTube领域内的用户转投分布式平台。然而,无论区块链技术是否会改变在线视频流媒体领域,去中心化系统的价值也应该是明确的。创作者和用户都会发现访问并分享内容的新的改进方式。

来源:铅笔


参与本文下方互动留言,即有机会获得区块宝精美纪念礼品!

本周六晚21:00我们将在区块宝公众号推送获奖名单,请大家持续关注。




### 光流法C++源代码解析与应用 #### 光流法原理 光流法是一种在计算机视觉领域中用于追踪视频序列中运动物体的方法。它基于亮度不变性假设,即场景中的点在时间上保持相同的灰度值,从而通过分析连续帧之间的像素变化来估计运动方向和速度。在数学上,光流场可以表示为像素位置和时间的一阶导数,即Ex、Ey(空间梯度)和Et(时间梯度),它们共同构成光流方程的基础。 #### C++实现细节 在给定的C++源代码片段中,`calculate`函数负责计算光流场。该函数接收一个图像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey`和`Et`分别代表沿x轴、y轴和时间轴的像素强度变化;`gray1`和`gray2`用于存储当前帧和前一帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 图像处理流程 1. **初始化和预处理**:`memset`函数被用来清零`opticalflow`数组,它将保存计算出的光流数据。同时,`output`数组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每一像素点进行处理,计算其灰度值。这里采用的是RGB通道平均值的计算方法,将每个像素的R、G、B值相加后除以3,得到一个近似灰度值。此步骤确保了计算过程的鲁棒性和效率。 3. **光流向量计算**:通过比较当前帧和前一帧的灰度值,计算出每个像素点的Ex、Ey和Et值。这里值得注意的是,光流向量的大小`u`是通过`Et`除以`sqrt(Ex^2 + Ey^2)`得到的,再乘以10进行量化处理,以减少计算复杂度。 4. **结果存储与阈值处理**:计算出的光流值被存储在`opticalflow`数组中。如果`u`的绝对值超过10,则认为该点存在显著运动,因此在`output`数组中将对应位置标记为黑色,形成运动区域的可视化效果。 5. **状态更新**:通过`memcpy`函数将当前帧复制到`prevframe`中,为下一次迭代做准备。 #### 扩展应用:Lukas-Kanade算法 除了上述基础的光流计算外,代码还提到了Lukas-Kanade算法的应用。这是一种更高级的光流计算方法,能够提供更精确的运动估计。在`ImgOpticalFlow`函数中,通过调用`cvCalcOpticalFlowLK`函数实现了这一算法,该函数接受前一帧和当前帧的灰度图,以及窗口大小等参数,返回像素级别的光流场信息。 在实际应用中,光流法常用于目标跟踪、运动检测、视频压缩等领域。通过深入理解和优化光流算法,可以进一步提升视频分析的准确性和实时性能。 光流法及其C++实现是计算机视觉领域的一个重要组成部分,通过对连续帧间像素变化的精细分析,能够有效捕捉和理解动态场景中的运动信息
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值