Promovido pela We Do Consulting, este projeto desenvolveu uma solução de inteligência artificial para combater a pirataria de conteúdos audiovisuais de forma eficiente e escalável. Nos últimos anos, o aumento do consumo e partilha ilegal de conteúdos audiovisuais online tem sido preocupante. As soluções antipirataria atuais mostram-se inadequadas para mitigar este problema crescente. Neste contexto, […]
Promovido pela We Do Consulting, este projeto desenvolveu uma solução de inteligência artificial para combater a pirataria de conteúdos audiovisuais de forma eficiente e escalável.
Nos últimos anos, o aumento do consumo e partilha ilegal de conteúdos audiovisuais online tem sido preocupante. As soluções antipirataria atuais mostram-se inadequadas para mitigar este problema crescente. Neste contexto, o projeto RAID.Piracy – cofinanciado pelo COMPETE 2020 – surge como uma abordagem inovadora, utilizando modelos de Inteligência Artificial para detetar automaticamente conteúdo ilícito, independentemente da sua origem. Esta solução promete ser mais eficaz, escalável e adaptável, sem necessidade de investimento adicional em hardware ou equipas administrativas dedicadas.
Leia a entrevista a Luís Brás, Head of Engineering of Risk BU and Common Platform na Mobileum para conhecer o ponto de situação.
Nos últimos anos, tem-se assistido à banalização do consumo e ao contínuo crescimento da partilha ilícita de conteúdos audiovisuais online, principalmente no domínio do streaming de live sports events.
Em face desta realidade, as soluções tecnológicas anti-piracy existentes no mercado têm-se revelado incapazes de assegurar a mitigação efetiva do fenómeno da pirataria de conteúdos audiovisuais. Com efeito, estas soluções sustentam-se fundamentalmente em técnicas de Fingerprinting e de Watermarking, as quais apenas possibilitam a um determinado operador, em certas circunstâncias, identificar que uma das suas set-top boxes está a retransmitir conteúdo na web, desconhecendo-se qual o conteúdo partilhado ilegalmente. Acresce que as técnicas de transcoding não raras vezes inviabilizam totalmente a deteção de atos de partilha ilícita pelo operador.
O projeto propôs um paradigma radicalmente inovador, na medida em que visou o desenvolvimento da primeira solução a nível global que não se sustentou em tecnologias de Fingerprinting/Watermarking para a identificação de distribuição ilegal de conteúdos, estruturando-se, ao invés, integralmente numa arquitetura de modelos de Inteligência Artificial aplicados à análise e processamento de imagem, de áudio e de linguagem natural, possibilitando, assim, a deteção automática e inteligente do conteúdo específico retransmitido ilicitamente, independentemente da sua fonte. Uma solução desta natureza apresenta-se mais eficiente, escalável, abrangente e adaptativa, podendo ser utilizada por operadores de Telco e Content Providers sem necessidade de investimento específico em hardware e de equipas dedicadas a processos administrativos.
As caraterísticas particulares dos dados em análise e a inexistência de datasets com dados com caraterísticas semelhantes foram um desafio considerável na vertente de processamento e análise de imagem e vídeo. De facto, os dados de vídeo de eventos desportivos detêm um conjunto de caraterísticas que dificultam o seu processamento e análise, nomeadamente a rapidez da ação relativamente ao frame rate, o consequente surgimento de fenómenos de motion blur, a resolução espacial propriamente dita, a similaridade da aparência dos jogadores relativamente à resolução espacial, oclusões e contacto entre jogadores. No contexto da análise de vídeo, deparámo-nos ainda com desafios que derivam da forma como o vídeo é distribuído pelos utilizadores, nomeadamente a variabilidade de resolução espacial ao longo do tempo, artefactos de compressão e a variabilidade da resolução temporal.
Também, alguns serviços de transmissão ilegal de conteúdos desportivos aplicam técnicas para camuflar/ofuscar o logotipo do respetivo canal televisivo, o que constitui um desafio ao nível da construção de um dataset de treino que contenha os logotipos dos canais de desportivos alvo. Deste modo, para além da utilização de técnicas de DL na deteção dos logotipos dos canais de televisão que transmitem os jogos de futebol, procurou-se adicionalmente aplicar outras técnicas para a deteção de tais táticas evasivas, de modo a identificar a substituição do logotipo.
Um dos primeiros resultados que muito nos orgulha foi conseguir implementar uma solução que de forma autónoma, sem qualquer intervenção humana, consegue produzir melhores resultados do que os conseguidos por uma equipa de 80 pessoas numa das grandes ligas europeia de futebol.
Apoio do COMPETE 2020
Cofinanciado pelo COMPETE 2020 no âmbito do Sistema de Incentivos à I&DT, na vertente em co-promoção, o projeto RAID.Piracy envolveu um investimento elegível de cerca de um milhão de euros, correspondendo a um incentivo FEDER de cerca de 581 mil euros.
Links úteis
Mobileum | Site https://www.mobileum.com/
Instituto Politécnico do Cávado e do Ave | Site https://ipca.pt/
NOS Technology | Site https://www.nos.pt/pt/institucional/a-nos/grupo-nos/nos-technology
A Vitrochaves moderniza a produção com uma nova fábrica automatizada, apoiada pelo COMPETE 2030. Joaquim Chaves fala sobre o impacto e as inovações deste investimento.
A BA Glass foi reconhecida, pelo quinto ano consecutivo, como a empresa mais sustentável da indústria vidreira pela World Finance Magazine.
A conserveira mais antiga do mundo em atividade, continua a crescer e inovar. Manuel Ramirez, presidente do conselho de administração, destaca como o COMPETE 2020 tem sido fundamental neste percurso.