Criação da Segurança da Marca para Vídeo Global: Plataforma de IA Sensível ao Contexto da PYLER

A PYLER garante que os produtos dos anunciantes nunca sejam exibidos ao lado de vídeos prejudiciais, o que ajuda a proteger a imagem da marca. Em vez disso, ele coloca os anúncios em configurações contextualmente relevantes para aprimorar o valor da marca e a eficácia do marketing. A solução fornece uma camada de validação neutra e explicável exigida pelo mercado.

A PYLER opera na interseção entre a compreensão de vídeo e a confiança na marca, definindo primitivas semânticas — as unidades significativas do contexto de vídeo — e organizando-as em espaços semânticos ricos e sensíveis ao tempo. Ao compor e avaliar esses espaços em relação às políticas de segurança e adequação da marca, a PYLER oferece às empresas uma camada de confiança transparente que funciona em diferentes plataformas e formatos, desde o YouTube até o emergente inventário de CTV.

As principais marcas, incluindo Samsung, LG e Kenvue, confiam na PYLER para validar ambientes de vídeo em bilhões de impressões, sendo que a PYLER já atende a 20 das maiores empresas da Coreia e 10 empresas Fortune 500. Para suportar essa ocupação, o modelo Antares da PYLER processa aproximadamente 100 GB de vídeo por dia, lidando com 2 milhões de vídeos e 700 milhões de vídeos cumulativamente — o equivalente a mais de 60 anos de conteúdo todos os dias.

Antes de adotar a plataforma da NVIDIA, o principal desafio da PYLER era a escala técnica e a complexidade: o vídeo é grande, multimodal e extremamente denso em informações, e os pipelines fragmentados existentes não conseguiam acompanhar. A amostragem com intervenção humana, os modelos específicos para funções e a validação baseada em regras criaram alta latência e custos, limitando a taxa de processamento e retardando a iteração em novas políticas ou casos de uso.

A PYLER precisava de uma infraestrutura que pudesse incorporar, pesquisar e rotular grandes fluxos de vídeo em tempo quase real, mantendo os custos por vídeo baixos o suficiente para a implantação de produção. O stack de computação acelerada da NVIDIA, incluindo sistemas NVIDIA DGX baseados na arquitetura NVIDIA Blackwell, CUDA e Frameworks de AI, emergiu como o único caminho viável para alcançar a taxa de processamento e a latência necessárias para inferência multimodal e recuperação em escala.

A PYLER implementou um pipeline de incorporação vetorial de vídeo que atribui uma impressão digital única a cada momento de vídeo, integrando entradas multimodais (visual, áudio, texto e metadados) em uma representação unificada. Essas incorporações são armazenadas em um banco de dados vetorial baseado em PostgreSQL com pgvector, complementado pelo SingleStore para entrega de alta taxa de processamento, permitindo a pesquisa rápida por similaridade e a correspondência de contexto em milhões de vídeos.

Os sistemas NVIDIA DGX, com a arquitetura Blackwell e as interconexões NVIDIA NVLink de alta largura de banda, fornecem a potência fundamental para esse pipeline de treinamento e inferência de alto desempenho. Ao utilizar o NVIDIA Mission Control para orquestrar workloads de treinamento complexos e o NVIDIA NeMo Curator para automatizar a curadoria e a filtragem de dados, a PYLER aumentou a taxa de transferência de pré-processamento de vídeo em 4 vezes em comparação com seu pipeline interno anterior. Essa sinergia de hardware e software permite que a PYLER lide com a análise e a recuperação de vídeo em grandes conjuntos de dados com eficiência sem precedentes.

A transição para o DGX B200 também alterou fundamentalmente a velocidade de desenvolvimento da PYLER. Ao aproveitar a maior densidade de computação para aumentar em cinco vezes os recursos de pesquisa de hiperparâmetros, a equipe reduziu seu ciclo de iteração de treinamento de modelos de três meses para apenas um. Além disso, a mudança para sistemas baseados em Blackwell ofereceu uma melhoria de três vezes na velocidade de treinamento de modelos multimodais em relação à geração anterior, garantindo que os modelos da PYLER possam ser desenvolvidos e implantados mais rapidamente do que nunca.

Ao expandir o Blueprint NVIDIA para Pesquisa e Resumo de Vídeo (VSS) e aproveitar o NVIDIA NV-Embed para acelerar a geração de incorporação, o sistema lida com a análise e a recuperação de vídeo em grandes conjuntos de dados de vídeo em escala com eficiência. O modelo da PYLER não vê apenas "um carro"; ele entende que "uma pessoa está se sentindo frustrada ao dirigir na chuva", permitindo colocação contextual precisa e auditorias de segurança que antes eram impossíveis em altos volumes.

A vantagem competitiva técnica da PYLER está no raciocínio de contexto baseado em vetores e sensível ao tempo, que opera no nível de representação, permitindo que as definições de políticas e segurança sejam atualizadas rapidamente sem retreinamentos completos. Essa arquitetura ofereceu resultados claros e quantificáveis para os clientes em termos de segurança e adequação das marcas.

Para a campanha KPOP Demon Hunters (HUNTRIX) da Nongshim, a solução AiD Brand Safety da PYLER reduziu a parcela do orçamento gasta em conteúdo inseguro para a marca de um benchmark de 19,3% para apenas 4,67% em um mês, validando colocações inseguras em mais de 2 milhões de vídeos nesse período. Para a campanha Tylenol da Kenvue, a solução AiM Brand Suitability da PYLER reduziu o tempo médio de validação de cerca de 30 segundos para revisores humanos (com base em benchmarks externos do setor) para 0,011 segundo, permitindo que os gerentes de marcas executem estratégias de mídia altamente granulares e em nível de vídeo, ao mesmo tempo em que reduzem o custo dos revisores em mais de 99,963%.