Amazon Web Services ブログ

re:Invent 2020 メディア&エンターテインメントセッション – 2 –

re:Invent 2020で発表されたメディア&エンターテインメント事例セッション動画 (AI&ML関連)を公開しました。

re:Inventの情報については以下の記事も参照ください。

 

どのエピソード? AIを活用したコンテンツオペレーション / Which episode? Using AI to streamline media content operations

大規模な画像およびビデオコンテンツのレビュー、検索、および分析は、メディアおよびエンターテインメントの組織にとって依然として最大の課題です。このセッションでは、運用およびコンプライアンスタスクの合理化による視聴者エクスペリエンスの向上から、コンテンツのより効果的な収益化およびコンテンツアーカイブの最適化まで、組織が直面する代表的な問題について詳しく説明します。Amazon RekognitionとAmazon Rekognitionカスタムラベルを使用して、詳細なコンテンツ検索、スポンサーシップ分析によるコンテンツの収益化、ブランドの安全性チェック、自動広告挿入などの機能を構築して、コンテンツアーカイブをさらに活用する方法を学びます。

Amazon Rekognition Videoについてはこちらを参照ください。
Amazon Rekognition カスタムラベルについてはこちらを参照ください。
Automating broadcast video monitoringについてはこちらを参照ください。

分散型機械学習によるデジタルとTV広告配信 / Distributed machine learning for digital and TV ad serving

本セッションは技術リーダ、データサイエンティスト、MLエンジニアの方向けに、Comcast FreeWheelが、デジタル、リニアTV向けの広告在庫予測のため、どのように大量の広告配信をAWSで解析しているかについて話をします。 FreeWheelが、視聴者セグメント、地域、メディアタイプを考慮した、大規模な長期時系列在庫予測のために、エンドツーエンドの分散型MLパイプラインをどのように構築したかをご覧ください。クラウドサービス、コンピュート最適化、回避すべき落とし穴、在庫予測の共通課題についてのベストプラクティスを共有すると共に、FreeWheelが開発した独自のMLソリューションについても紹介します。

Amazon Sagemakerの詳細はこちら

自然言語検索でユーザーに力を与える / Empowering users with natural language search

コンテンツクリエータは、ユーザーからのアクセス性向上のための増え続けるコンテンツのカタログ化への課題に直面しています。ユーザーの検索に対して、膨大なアーカイブから関連性の高いコンテンツを提供するには、最も関連性の高い最適なコンテンツを自動的に提供できるシステムが必須です。機会学習を原動力とするAmazon Kendraサービスを活用するWall Street JournalのTalk 2020では、ユーザーは自然言語検索を利用して、たくさんのスピーチからのスクリプトやメディア掲載情報を検索できます。課題へのアプローチと、以前は不可能だったユーザーエクスペリエンスをAWSを利用することでどのように提供できるようになったかについて共有します。

Amazon Kendraの詳細はこちら

AWS Media & Entertainment 参考コンテンツ

・AWS Media & Entertainment Blog　(日本語)
・AWS Media & Entertainment Blog　(英語)
・AWS Media Services
AWSのメディアチームの問い合わせ先: awsmedia@amazon.co.jp

※毎月のメルマガをはじめました。最新のニュースやイベント情報を発信していきます。購読希望は上記宛先にご連絡ください。

このブログはBD山口が担当しました。