비주얼 클라우드

Visual Cloud

비주얼 클라우드는 클라우드 컴퓨팅 아키텍처, 클라우드 규모 처리 및 스토리지, 연결된 장치, 네트워크 에지 장치 및 클라우드 데이터 센터 간의 유비쿼터스 광대역 연결에 의존하는 비주얼 컴퓨팅 애플리케이션의 구현입니다. 소비자와 비즈니스 사용자에게 비주얼 컴퓨팅 서비스를 제공하는 동시에 서비스 공급자가 비주얼 컴퓨팅 애플리케이션 요구사항에 최적화된 인프라를 제공하면서 저비용, 탄력적 확장성, 고가용성 등 클라우드 컴퓨팅의 일반적인 이점을 실현할 수 있도록 하는 모델입니다.

이력 및 개요

클라우드 컴퓨팅의 부상은 강력하고 저렴한 컴퓨터 하드웨어, 고용량 네트워크 및 하드웨어 가상화의 발전으로 가능해졌습니다. 온라인 사회적 상호 작용뿐만 아니라 비디오 및 게임과 같은 시각 기반 엔터테인먼트에 대한 높은 소비자 요구를 충족시키기 위해 서비스 제공업체는 중앙 집중식 데이터 센터에 시각 지향 애플리케이션을 배치하고 분산된 콘텐츠 전송 네트워크를 사용하여 해당 콘텐츠를 사용자가 액세스할 수 있도록 하기 시작했습니다.

특히 비디오 콘텐츠의 모바일 소비는 원격 처리 및 저장이 모바일 장치의 한계를 보완할 수 있기 때문에 비디오의 클라우드 전송을 매력적으로 만듭니다. 2020년까지 전 세계 모바일 데이터 트래픽의 75%가 비디오가 될 것으로 예상됩니다.[1]

1세대 비주얼 클라우드 기술은 대부분 스트리밍 미디어 애플리케이션을 중심으로 이루어졌습니다. 2000년대 중반에는 넷플릭스와 유튜브, 콜 오브 듀티와 같은 멀티플레이어 온라인 게임(MOG), 월드 오브 워크래프트와 같은 대규모 멀티플레이어 온라인 게임(MMOG)과 같은 전문적이고 사용자가 생성한 주문형 비디오 서비스가 등장했습니다. 이 기간 동안 등장한 비주얼 클라우드의 또 다른 일반적인 용도는 클라우드 인프라를 사용하여 호스팅되는 원격 데스크톱 인스턴스를 기반으로 한 데스크톱 가상화입니다.

비주얼 클라우드 기술이 더욱 능력화됨에 따라 가상 현실, 증강 현실, 3D 장면 이해 및 상호 작용, 몰입형 라이브 경험을 위한 비주얼 클라우드 사용과 같이 더욱 까다로운 용도가 등장하기 시작했습니다.[2] 비주얼 클라우드 애플리케이션은 크게 네 가지 영역으로 나눌 수 있습니다.

  • 미디어 콘텐츠 제작 및 제공
  • 클라우드 그래픽스
  • 미디어 분석
  • 이머시브 미디어

미디어 콘텐츠 제작 및 제공

새로운 소스가 개발됨에 따라 전 세계에 전달되는 전반적인 비디오 양이 크게 증가하고 있습니다. 해당 콘텐츠의 처리 및 배포는 점점 더 시각적 클라우드를 통해 해결될 수 있습니다. 해당 콘텐츠의 소스에는 클라우드, 통신, 미디어/엔터테인먼트 및 엔터프라이즈 환경의 애플리케이션이 포함됩니다. 전 세계 모바일 데이터 트래픽은 2016년에서 2021년 사이에 거의 7배 증가할 것으로 예상됩니다.[3] 콘텐츠 배포에는 세 가지 주요 모델이 있습니다.

  • Comcast 및 Direct TV와 같은 전통적인 통신 서비스 제공자에 의한 선형, 라이브 및 주문형 콘텐츠 방송. 이 콘텐츠는 일반적으로 텔레비전에서 소비됩니다. 이 모델의 비주얼 클라우드 트렌드에는 다른 장치에서 방송 콘텐츠를 시청할 수 있는 클라우드 기반 DVR과 가상 셋톱박스가 포함됩니다.
  • Over the Top: Amazon Video, Netflix와 같은 클라우드 미디어 회사의 전문 콘텐츠와 넷플릭스와 같은 플랫폼에서 호스팅되는 사용자 제작 콘텐츠의 VOD(Video on Demand). 상위 콘텐츠는 제어 또는 배포를 위해 통신 서비스 제공업체에 의존하지 않고 인터넷을 통해 최종 사용자에게 직접 전송되는 시청각 콘텐츠를 말합니다.
  • Over the Top: Twitch, Facebook Live Streaming, WatchESPN 및 Sling과 같은 비디오 플랫폼에서 실시간으로 컨텐츠 스트리밍프라이빗 클라우드 또는 퍼블릭 클라우드에서 배포되는 TV.

미디어 콘텐츠 생성 및 제공 세그먼트의 컴퓨팅 집약적인 시각적 워크로드에는 미디어 처리(예: 압축 및 트랜스코딩), 향상, 복원 및 합성이 포함됩니다. 이 콘텐츠가 데이터 센터에 저장되고 최종적으로 최종 사용자에게 전송되기 때문에, 이러한(및 많은 다른) 워크로드가 콘텐츠에 적용될 수 있으며, 비트 속도 및 해상도와 같은 요소가 최종 사용자 장치의 전송 매체 및 기능에 맞게 조정될 수 있습니다.

클라우드 그래픽스

대화형 3D(예를 들어, 가상 데스크톱 인프라스트럭처) 및 배치 렌더링(예를 들어, 렌더맨) 작업은 사용자가 렌더링 작업의 사이트로부터 원격인 시각적 클라우드 사용에서 규모에 맞게 수행될 수 있습니다. 이 도메인에서 사용되는 예는 다음과 같습니다.

  • 원격 데스크톱을 사용하면 최종 사용자 가상화 컴퓨팅 환경을 클라우드에서 중앙에서 호스팅, 저장 및 관리할 수 있으며, 제한된 발자국이 있는 태블릿 및 패블릿을 포함한 여러 유형의 장치에서 일관된 사용자 경험으로 콘텐츠에 액세스할 수 있습니다. 원격 데스크톱 애플리케이션의 예로는 Citrix, VMware 및 Xen이 있습니다.
  • 원격 배치 렌더링을 사용하면 퍼블릭 또는 프라이빗 클라우드 리소스 또는 이 둘의 하이브리드 조합을 사용하여 리소스 집약적인 그래픽 처리를 수행할 수 있습니다. 이 접근 방식은 애니메이션 영화 제작의 마지막 단계와 같이 최대 워크로드가 클 수 있는 온디맨드 용도에 특히 유용합니다. Pixar와 LucasFilm이 운영하는 Render farm은 이 사용 모델의 확립된 예입니다.[4]
  • 클라우드 게임 스트리밍은 게임 자체를 클라우드에 저장, 실행 및 렌더링하여 인코딩된 비디오 스트림을 사용자 PC, 콘솔 또는 게임 비디오가 표시되는 다른 장치로 전송합니다. 컨트롤러 및 키 입력 신호는 클라우드로 다시 전송됩니다. 이 분야의 초기 개척자는 온라이브와 가이카이(둘 다 소니에 인수됨)를 포함했습니다. 소니, 엔비디아와 같은 하드웨어 제공업체와 게임플라이, 게임스트림, 플레이기가와 같은 소규모 기업이 오늘날 클라우드 게임 제품과 서비스를 개발하고 있습니다.
  • 클라우드 그래픽 세그먼트에서 컴퓨팅 집약적인 시각적 작업 부하에는 레이 및 래스터 렌더링, 3D 설계, 3D 모델링 및 시각 시뮬레이션과 같은 컴퓨터 그래픽 기술이 포함됩니다. 그래픽 작업량은 클라우드에서 조작되며 최종적으로 클라이언트 장치로 렌더링됩니다. 이러한 종류의 워크로드의 예로는 Petrel(석유 탐사 및 생산에 사용되는 소프트웨어 플랫폼)과 Autodesk 3ds Max(3D 애니메이션 제작을 위한 컴퓨터 그래픽 애플리케이션)가 있습니다.

이러한 워크로드의 성능 및 밀도 규모에 대한 다양한 요구사항은 이러한 워크로드를 최적으로 지원하는 클라우드 리소스에 영향을 미칩니다. 예를 들어, 원격 데스크톱을 지원하는 비주얼 클라우드 인프라는 서버당 실제 데스크톱 인스턴스 수를 가장 많이 지원하는 목표로 구성될 가능성이 높습니다. 반면 클라우드 게임 스트리밍은 최대 그래픽 성능을 충족하는 데 훨씬 더 많은 주의를 기울여야 하며, 서버당 밀도가 낮아질 가능성이 높습니다. 두 대화형 사용 모두 지연 시간에 매우 민감하지만 원격 배치 렌더링은 완료까지의 시간을 중요하게 생각하며 지연 시간은 훨씬 덜 중요한 역할을 합니다.

미디어 분석

비주얼 클라우드의 미디어를 기반으로 한 계산은 미디어 콘텐츠 자체를 조작하거나 더 깊이 이해할 수 있을 뿐만 아니라 사용자가 미디어 콘텐츠와 상호 작용하는 방식에 따라 통찰력을 제공하는 데 사용할 수 있습니다. 미디어 분석은 시각 정보를 비정형 데이터로 처리하고 이미지, 오디오 또는 비디오를 해석하여 분석 엔진에 입력하여 웹 시각 검색, 자율 교통, 감시, 스마트 시티 및 로보틱스와 같은 용도를 구현합니다. 미디어 분석 부문의 시각 컴퓨팅 기술에는 다음과 같은 세 가지 하위 영역이 포함됩니다.

  • 분석을 위한 시각적 콘텐츠를 준비하기 위해 필요한 미디어 처리 기술에는 트랜스코딩, 디코딩, 향상, 복원, 에지 검출 및 분할이 포함됩니다.
  • 콘텐츠 분석은 객체 검출 및 인식, 이벤트 검출 및 인식, 장면 이해 등의 기능으로 구성됩니다.
  • 미디어 분석은 비디오 또는 기타 미디어와 관련된 성능 및 사용 요소를 기반으로 메트릭을 생성합니다. 비디오 품질 및 시청자 행동에 대한 측정은 일반적인 예입니다.[5]

미디어 분석은 종종 대량의 소스 데이터를 사용하여 알고리즘을 훈련하는 "딥 러닝" 프레임워크를 활용합니다. 이 접근법의 훈련 부분은 일반적으로 장기간에 걸쳐 이루어지며, 대량의 입력 데이터를 특정 출력 분류에 매핑하여 알고리즘을 가르치는 것을 포함합니다. 결과적으로 훈련된 알고리즘은 훈련 단계에서 개발된 규칙을 기반으로 새로운 입력 데이터를 신속하거나 즉각적으로 해석할 수 있습니다.

이머시브 미디어

위에서 설명한 세 가지 사용 영역(즉, 미디어 콘텐츠 생성 및 제공, 클라우드 그래픽 및 미디어 분석)의 기능을 활용하여, 비주얼 데이터를 콘텐츠에 기반하여 조작하여 라이브 파노라마 비디오 및 증강 또는 가상 현실(VR)과 같은 새로운 사용을 지원할 수 있습니다. 예를 들어, 몰입형 현실 게임은 플레이어의 물리적 환경 위에 실시간으로 게임 경험을 구축합니다. 이러한 경험은 VR 헤드 마운트 디스플레이와 같은 특수 제작 디스플레이 또는 PC, 태블릿 또는 전화와 같은 기존 장치에서 소비될 수 있습니다.

이러한 기술의 더 눈에 띄는 사용으로는 구글 스트리트 뷰와 포켓몬 고가 있습니다. 상업적으로 이용 가능한 몰입형 미디어의 다른 예로는 Voke VR 라이브 스트리밍, FreeD 가상 재생 기술, Facebook 360° 사진, Oculus Rift 및 Microsoft Hololens VR 고글 등이 있습니다.

몰입형 미디어 세그먼트에서 대부분의 사용에는 컴퓨팅 집약적인 장면 분석이 필요하며, 이는 종종 실시간 또는 거의 실시간으로 수행되어야 합니다. 모든 비주얼 클라우드 애플리케이션과 마찬가지로 워크로드는 엔드 디바이스와 클라우드 간에 분산됩니다. 예를 들어, 헤드 마운트 디스플레이 렌더링은 지연 시간을 최소화하기 위해 사용자에게 로컬로 수행될 수 있지만 실시간 VR 콘텐츠 배포는 주로 클라우드에서 수행될 수 있습니다.

참고문헌

  1. ^ "Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2016–2021 White Paper". Cisco. Retrieved 22 February 2017.
  2. ^ Blakley, Jim. "The Visual Cloud Second Wave". IT Peer Network. Intel. Retrieved 22 February 2017.
  3. ^ "Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2016–2021 White Paper". Cisco.com. Cisco. Retrieved 22 February 2017.
  4. ^ Sciretta, Peter. "Cool Stuff: A Look at Pixar and LucasFilm's Renderfarms". SlashFilm. Retrieved 22 February 2017.
  5. ^ "Media Analytics Product Brief" (PDF). Akamai.com. Akamai Technologies. Retrieved 22 February 2017.