ドワンゴ 技術コミュニケーション室のsaka1です。 この記事では、社内で用いられているLightningTalk(LT)用のライブストリーミングシステムについて紹介したいと思います。 LTは普段こんな感じで行われています。 実は、社内ではLTの開催形式について見直しが行われつつあります。 記事の執筆時点ではまだこのシステムは使われていますが、ライフサイクルとして末期かもしれません。 せっかくなのでシステムがどういったものだったかについての記録を残したいと思い、記事を書くことにしました。 記事ではまず、なぜシステム開発が必要だったかについて簡単に説明し、次にシステムの技術的詳細について紹介していきます。 LT運営にどういった課題があったか エンジニア有志が参加するLT会はそれまでも定期開催されていたのですが、エンジニアの人数が増えるにつれて、 一つの会議室に全員が物理的に集合してLTを開催

選定作業にはAOMが公開しているソフトウェアエンコーダaomを使用し、改造によってツールを削減したときの映像品質を比較しました。 映像品質は一般的にビットレートと客観/主観画質のバランスで表されます。 客観画質とは計算によって数値化した画質のことで、代表的な手法としてはPSNRやSSIMがあります。 主観画質とは人の目で映像を評価した画質のことです。 今回は、客観画質としてPSNRを用いた指標(RD性能)を用い、映像品質を比較しました。 PSNRには"30dBを下回ると低品質である"といった基準はありますが、人の目で見たときの評価と必ずしも一致するわけではありません。 そこで、主観画質の評価も並行して実施し、多角的に映像品質低下を防止しました。 選定結果 まず、Superblockサイズを64X64と128X128とで比較しました。 その結果、テストケースのうち約75％でRD性能に変化がな

アクセス例 HTTP, HTTPS GETでのアクセス例 ニコニコ動画のコメントをHTTP GETにより、XML、JSON形式でそれぞれ取得する例です。 URLのパスの1つ目により、応答フォーマットを指定します。 $ curl "http://nmsg.nicovideo.jp/api/thread?version=20061206&thread=1204908901" $ curl "http://nmsg.nicovideo.jp/api.json/thread?version=20061206&thread=1204908901" HTTP, HTTPS POSTでのアクセス例 ニコニコ動画のコメントをHTTP POSTにより、XML、JSON形式でそれぞれ取得する例です。 $ curl --data "<thread version='20061206' thread='12049

はじめに ドワンゴではniconicoの配信系サービスのバックエンドで利用するために、Frugalosという名前の分散オブジェクトストレージを開発しているのですが、この度OSSとして公開することとなりましたので、この場を借りて軽く紹介させて貰います。 FrugalosはRustで実装されており、現時点では以下のリポジトリが公開されています: raftlog_protobuf: raftlogへのProtocol Buffersサポートの追加 “Frugalos"って何？ “Frugal object storage"の略です。 “frugal"は日本語では「倹約な」や「節約する」といった意味となり、「読み書き性能を犠牲にせずに、膨大な数のBLOB（Binary Large OBject）を、容量効率良く保持する」ことを目指して開発されているオブジェクトストレージです。 提供されている機能は

はじめに 第二サービス開発本部 第一プロダクト開発部の告原と申します。 ドワンゴには5年程前に入社し、最初のニコキャスに携わった後、この記事で触れるAkashic Engineの開発に関わりました。 今はAkashic Engineを利用するサービスとして、ニコキャスや実験放送の開発に携わっていますが、昔から関わってきた思い入れのあるプロダクトなので、今回紹介記事を書かせていただく次第です。 Akashic Engine概要 Akashic Engineとは、2017年01月11日にオープンソースで公開していたプロダクトです。 公式サイト: https://akashic-games.github.io github: https://github.com/akashic-games/akashic-engine サービスが形になるまで説明がつかないため、これまでは2Dに特化したゲームエン

Dwangoの中の、機械学習の研究開発部署Dwango Media Villageで働くエンジニアの大垣です。 今回はAppleのWWDCに機械学習エンジニアとして参加してきたので、スマホアプリエンジニアとはおそらく少し異なる視点からのレポートになるだろうと思い、自分なりにWWDCの機械学習系のセッションのまとめをしようと思います。 AR関連技術を推しに推した基調講演 画像はWWDC 2018基調講演のハイライトシーンより。ARKit2のデモゲーム"SwiftShot" https://developer.apple.com/videos/play/wwdc2018/101/ 基調講演については他のブログでたくさん触れられてるので網羅的には書かなくても良いかなと思います。 私は10:00からの基調講演に対して9:00過ぎくらいに会場ついたのですが、だいたい会場全体の前から2/3くらいの席だ