Protection de la marque accrue pour les vidéos à l'échelle mondiale : découvrez la plateforme d'IA sensible au contexte de PYLER

PYLER garantit que les publicités des annonceurs ne sont jamais affichées aux côtés de vidéos préjudiciables, ce qui contribue à protéger l'image de marque. La société œuvre à placer des publicités dans des paramètres contextuellement pertinents afin d'améliorer la valeur de la marque et l'efficacité marketing. La solution fournit une couche de validation, à la fois neutre et explicable, dont le marché a actuellement besoin.

PYLER opère à l'intersection de la compréhension des vidéos et de la confiance en la marque, en définissant des primitives sémantiques, c'est-à-dire les unités significatives du contexte vidéo, et en les organisant en espaces sémantiques riches tenant compte du temps. En composant et en évaluant ces espaces vis-à-vis des politiques de sécurité et de pertinence de la marque, PYLER fournit aux entreprises une couche de confiance transparente qui fonctionne sur toutes les plateformes et formats, de YouTube à l'inventaire CTV émergent.

De grandes marques telles que Samsung, LG et Kenvue s'appuient sur PYLER pour valider leurs environnements vidéo sur des milliards d'impressions, PYLER fournissant déjà ses services à 20 des plus grandes entreprises coréennes et 10 entreprises du classement Fortune 500. Pour prendre en charge cette empreinte significative, le modèle Antares de PYLER traite environ 100 Go de vidéos par jour, ce qui permet de gérer 2 millions de vidéos et 700 millions de vidéos cumulativement, ce qui équivaut à plus de 60 ans de contenu chaque jour.

Avant l'adoption de la plateforme de NVIDIA, le principal défi de PYLER était l'échelle et la complexité techniques : le contenu vidéo disponible étant de grande taille, multimodal et extrêmement dense en informations, les pipelines fragmentés existants ne pouvaient tout simplement plus suivre. L'échantillonnage Human-in-the-loop, les modèles spécifiques à une fonction et la validation basée sur des règles ont engendré une latence et des coûts élevés, limitant le débit et ralentissant l'itération sur de nouvelles politiques ou cas d'utilisation.

PYLER avait besoin d'une infrastructure capable d'intégrer, de rechercher et d'étiqueter des flux vidéo massifs en temps quasi réel, tout en maintenant les coûts par vidéo à un niveau suffisamment bas pour un déploiement en production. La pile de calcul accéléré de NVIDIA, notamment les systèmes NVIDIA DGX basés sur l'architecture NVIDIA Blackwell, CUDA et les frameworks d'IA, s'est révélée comme la seule voie viable pour atteindre le débit et la latence requis pour l'inférence et la récupération multimodales à grande échelle.

PYLER a mis en place un pipeline d'intégration de vecteurs vidéo qui assigne une empreinte numérique unique à chaque moment de vidéo, intégrant ainsi les entrées multimodales (visuel, audio, texte et métadonnées) en une représentation unifiée. Ces intégrations sont stockées dans une base de données vectorielle basée sur PostgreSQL avec pgvector, enrichie par SingleStore pour une mise à disposition à haut débit, ce qui permet une recherche rapide par similarité et une correspondance contextuelle sur des millions de vidéos.

Les systèmes NVIDIA DGX, qui intègrent l'architecture Blackwell et les interconnexions NVIDIA NVLink à bande passante élevée, fournissent la puissance fondamentale de ce pipeline d'entraînement et d'inférence à hautes performances. En utilisant NVIDIA Mission Control pour orchestrer des charges de travail d'entraînement complexes et NVIDIA NeMo Curator pour automatiser la curation et le filtrage des données, PYLER a multiplié par 4 le débit de pré-traitement vidéo par rapport à son précédent pipeline interne. Cette synergie matérielle-logicielle permet à PYLER de gérer l'analyse et la récupération vidéo sur de grands jeux de données avec une efficacité sans précédent.

La transition vers le système DGX B200 a également fondamentalement modifié la vitesse de développement de PYLER. En tirant parti de la densité de calcul accrue pour multiplier par 5 les capacités de recherche d'hyperparamètres, l'équipe a réduit son cycle d'itération d'entraînement des modèles de trois mois à un seul. En outre, le passage à des systèmes basés sur Blackwell a permis de multiplier par trois la vitesse d'entraînement des modèles multimodaux par rapport à la génération précédente, ce qui permet de développer et de déployer les modèles de PYLER plus rapidement que jamais.

En s'appuyant sur le modèle de NVIDIA pour la recherche et la synthèse de vidéos (VSS) et en tirant parti de NVIDIA NV-Embed pour accélérer la génération des intégrations, le système peut gérer avec davantage d'efficacité l'analyse et la récupération des vidéos sur de grands jeux de données vidéo à grande échelle. Le modèle de PYLER ne se contente pas de voir « une voiture » ; il comprend qu'une « personne ressent de la frustration lorsqu’elle conduit sous la pluie », ce qui permet des audits de sécurité et de placement contextuel précis qui étaient auparavant impossibles à grande échelle.

L'innovation technique de PYLER réside dans un raisonnement contextuel temporel basé sur des vecteurs fonctionnant au niveau de la représentation, ce qui permet de mettre à jour rapidement les définitions de politiques et de sécurité sans recourir à un réentraînement complet. Cette architecture a permis de fournir des résultats clairs et quantifiables aux clients en matière de sécurité et de pertinence de la marque.

Dans le cas de la campagne KPOP Demon Hunters (HUNTRIX) de Nongshim, la solution AiD Brand Safety de PYLER a réduit la part du budget consacrée aux contenus inappropriés de 19,3 % à seulement 4,67 % en l'espace d'un mois, ce qui a permis de valider les placements critiques sur plus de 2 millions de vidéos sur cette période. Pour la campagne Tylenol de Kenvue, la solution AiM Brand Suitability de PYLER a réduit le délai de validation moyen d'environ 30 secondes pour les réviseurs humains (sur la base de références externes du secteur) à 0,011 seconde, permettant aux responsables des marques d'exécuter des stratégies médias très granulaires au niveau de la vidéo tout en réduisant les coûts de révision de plus de 99,963 %.