Crear seguridad de marca para el vídeo a nivel global: la plataforma de IA sensible al contexto de PYLER

PYLER garantiza que los anuncios de los anunciantes nunca se muestren junto con vídeos dañinos, lo cual ayuda a proteger la imagen de la marca. En su lugar, coloca los anuncios en entornos relevantes desde el punto de vista del contexto para mejorar el valor de la marca y la eficacia de la comercialización. La solución proporciona una capa de validación neutra y explicable que necesita el mercado.

PYLER actúa en la intersección entre la comprensión del vídeo y la confianza de la marca, definiendo primitivas semánticas (las unidades significativas del contexto del vídeo) y organizándolas en espacios semánticos enriquecidos y sensibles al tiempo. Al diseñar y evaluar estos espacios en función de las políticas de seguridad e idoneidad de la marca, PYLER proporciona a las empresas una capa de confianza transparente que funciona en todas las plataformas y formatos, desde YouTube hasta el inventario de CTV emergente.

Las principales marcas, como Samsung, LG y Kenvue, confían en PYLER para validar entornos de vídeo a través de miles de millones de impresiones. Además, PYLER ya presta servicio a 20 de las mayores empresas de Corea y a 10 empresas de la lista Fortune 500. Para respaldar esta infraestructura, el modelo Antares de PYLER procesa aproximadamente 100 GB de vídeo por día, gestionando 2 millones de vídeos diarios y 700 millones de vídeos de forma acumulada, lo que equivale a más de 60 años de contenido todos los días.

Antes de adoptar la plataforma de NVIDIA, el principal desafío de PYLER radicaba en la escalabilidad y la complejidad técnicas: el vídeo es un formato grande, multimodal y sumamente denso en información, y las canalizaciones fragmentadas existentes no podían seguir el ritmo. El muestreo con intervención humana, los modelos específicos de funciones y la validación basada en reglas crearon una latencia y unos costes elevados, lo que limitó la capacidad de procesamiento y ralentizó la iteración en nuevas políticas o casos de uso.

PYLER necesitaba una infraestructura que pudiera integrar, buscar y etiquetar transmisiones de vídeo masivas casi en tiempo real, al tiempo que mantuviera los costes por vídeo lo suficientemente bajos para permitir la implementación en producción. La pila de computación acelerada de NVIDIA, que incluye sistemas NVIDIA DGX basados en la arquitectura NVIDIA Blackwell, CUDA y marcos de IA, surgió como la única solución viable para alcanzar la capacidad de procesamiento y la latencia necesarias para la inferencia y la recuperación multimodales a escala.

PYLER implementó una canalización de incrustación vectorial de vídeo que asigna una huella digital única a cada momento de vídeo, integrando entradas multimodales (visuales, de audio, de texto y metadatos) en una representación unificada. Estas incrustaciones se almacenan en una base de datos vectorial basada en PostgreSQL con pgvector, que se complementa con SingleStore para el procesamiento de alto rendimiento, permitiendo realizar búsquedas rápidas por similitud y correlacionar el contexto en millones de vídeos.

Los sistemas NVIDIA DGX, que cuentan con arquitectura Blackwell e interconexiones NVIDIA NVLink de alto ancho de banda, proporcionan la potencia básica para esta canalización de entrenamiento e inferencia de alto rendimiento. Al recurrir a NVIDIA Mission Control para orquestar cargas de trabajo de entrenamiento complejas y a NVIDIA NeMo Curator para automatizar la selección y el filtrado de datos, PYLER cuadruplicó el rendimiento del preprocesamiento de vídeo en comparación con su anterior canalización interna. Esta sinergia entre hardware y software permite a PYLER gestionar el análisis y la recuperación de vídeo de grandes conjuntos de datos con una eficiencia sin precedentes.

La transición a DGX B200 también ha cambiado radicalmente la velocidad de desarrollo de PYLER. Al aprovechar la mayor densidad de computación para multiplicar por cinco las capacidades de búsqueda por hiperparámetros, el equipo ha reducido su ciclo de iteración de entrenamiento de modelos de tres meses a solo uno. Además, la adopción de sistemas basados en Blackwell ha permitido triplicar la velocidad de entrenamiento de modelos multimodales en comparación con la generación anterior, lo que garantiza que los modelos de PYLER puedan desarrollarse e implementarse más rápido que nunca.

Al desarrollar el blueprint de NVIDIA para la búsqueda y el resumen de vídeos (VSS) y aprovechar NVIDIA NV-Embed para acelerar la generación de incrustaciones, el sistema gestiona de forma eficiente el análisis y la recuperación de vídeo a escala en grandes conjuntos de datos de vídeo. El modelo de PYLER no se limita a ver «un coche»; entiende que «una persona se siente frustrada cuando conduce bajo la lluvia», lo cual permite realizar una asignación contextual precisa y auditorías de seguridad que antes eran imposibles con grandes volúmenes.

La ventaja competitiva tecnológica de PYLER radica en un razonamiento contextual basado en vectores y sensible al tiempo que opera en el nivel de representación, lo cual permite actualizar rápidamente las definiciones de políticas y seguridad sin necesidad de reentrenar por completo. Esta arquitectura ha proporcionado resultados claros y cuantificables para los clientes en los ámbitos de seguridad e idoneidad de la marca.

Para la campaña KPOP Demon Hunters (HUNTRIX) de Nongshim, la solución AiD Brand Safety de PYLER redujo la proporción del presupuesto dedicado a contenido no seguro para las marcas del 19,3 % a solo el 4,67 % en un mes, validando las ubicaciones no seguras en más de 2 millones de vídeos en ese período. Para la campaña Tylenol de Kenvue, la solución AiM Brand Suitability de PYLER redujo el tiempo medio de validación de unos 30 segundos para los revisores humanos (basándose en pruebas de referencia externas del sector) a 0,011 segundos, permitiendo a los responsables de marca ejecutar estrategias multimedia a nivel de vídeo muy detalladas mientras reducen los costes de revisión en más del 99,963 %.