Hulu Hackathon 竟然还能这么玩！
一年一度的Hulu Hackathon “黑客马拉松”
是程序员们发挥创意、展现实力的节日
2天时间，26个项目，100多名参与者
今年的Hackathon又诞生了怎样的精彩
让我们从下面这些项目里领略一番！
hulu-has-billiard
hulu-has-billiard 项目旨在培养台球新手的走位意识，通过预测白球击球后的移动路径，及对下一步击球的影响，为选手提供击球建议。整个项目涉及视频流集成、图像识别、碰撞算法模拟、策略评估选择、前端后端等多项组件。项目组成员们在公司的台球桌上方，利用可变性自拍杆和手机架设了简易拍摄设备。选手可以在hulu-has-billiard界面上看到对台球桌的实时拍摄。当选手在hulu-has-billiard界面上点击‘call for help’ 寻求建议时，后台会进行实时计算，把所有可能的击球建议，可视化投影在画面上，选手可自行选择并实践。
Hulu 视频质量主观评价中心
视频质量主观评价是指受测者对一系列测试视频的质量进行主观打分，相比于常用的客观质量评价（PSNR，SSIM等）更能直接反应观众的最终体验。构建一个大规模的视频主观数据集是开展视频质量研究及应用的先决条件。但传统的主观评价耗时耗力且组织成本高，对于受测者来说整个测试流程也略显枯燥，所以很难获取大规模的数据集。
面对上述痛点，我们Hackathon项目“GoldenEye”设计了一套可交互易上手的游戏，对原本程式化的主观质量评价系统进行包装，并开放给所有Hulu内部员工，让玩家（受测者）可以随时随地的进行游戏（主观测试），同时为了提升产品留存，我们专门设计了一套完备的玩家激励机制，使用得分反馈、排行榜和PK等游戏要素加强用户线上线下的交互和粘性，我们还将定期对于忠实玩家（受测量大的用户）进行一定的物质激励。
GoldenEye的本质是游戏化的价值交换，在娱乐玩家的同时为Hulu的视频算法研究及应用提供了大量的数据支持，最终达到提升Hulu用户观看体验的目的。
图网络可视化
Graphboard是一款针对神经网络训练的可视化工具，旨在以图的方式显示神经网络训练过程中各层的参数变化和attention连接情况，方便算法工程师进行特征选取和网络结构优化。我们的目标是提供一个与具体网络结构无关的神经网络可视化方案，允许使用者灵活地构建可视化图，通过我们提供的GraphBoard API方便地在模型训练脚本中插入少量代码来记录训练相关数据，同时我们提供了一个轻量级的Web Server，使用者通过浏览器就能方便地观察和操作可视化结果。
hulu Interview System
HR 可以通过任务系统，指派出题任务和测题任务给 Hulugan。
Hulugan在接到出题任务后，可以在上面添加题目（支持 Markdown 和 LaTeX），从而替代 Google Sheets 建立 Hulu 内部面试题库。
Hulugan 在接到测题任务后，可以提交自己的代码来测试题目，评测系统支持10余种编程语言，完美满足各种评测需求。同时，可以对题目进行评价和讨论，对题目进行改良。
面试官在准备面试的时候，可以通过题目标签，诸如 Campus、Industry、Easy、Medium、Hard，以及题目的通过率、预计时长等筛选出合适的题目。
面试官在面试结束后，可以填写候选人的实际做题时间，候选人的表现等数据等，从而完善题目数据反馈，也可供其他面试官进行参考。
Hulu lightweight container runtime
项目idea起源：团队在之前Kubernetes以及Docker的使用中，发现在container runtime存在一些潜在的优化空间，恰逢前一阵子Docker服务条款变更的消息在圈内传是沸沸扬扬，借着热点，我们决定在本次hackathon构建一套hulu完全可控的轻量级容器运行时。
因为时间非常紧张，我们基于Golang构建了一套轻量级容器运行时，可以实现一些runc的常用功能，为了方便使用和演示，我们适配了docker常见参数。此外，我们又尝试针对特定场景简化一些POD创建繁琐流程，避免了一些不必要的sandbox的创建，从而实现更快的启动速度。
Yelling Ad
Yelling Ad 项目设计了一种新的交互广告形式，为用户缩短广告时间，同时为广告主提升品牌和广告创意客户群体熟悉度。在播放广告时，Yelling Ad 通过为用户提供在线答题和语音交互问答等小游戏，让回答正确的用户有机会跳过广告，提升用户的观影体验。
例如，在播放可口可乐广告时，可以展示问题：本片中展示的饮料是什么品牌？用户可以对着屏幕直接说出正确答案"可口可乐"（或者在屏幕上选择答案），广告就可以直接跳过，缩短了用户的广告时长，避免了重复广告对用户体验造成负面影响。广告商或者平台可以设计游戏题目，使得问题和广告品牌，广告创意相关，这样回答问题的用户会加深广告印象，增加广告商的利益。通过Yelling Ad，可以在平衡用户和广告商利益的同时，改善用户体验。
Review leaderboard
Review leaderboard项目的目的是激励同事之间相互代码review。Review代码是开发中重要的环节之一，如果能够获得多位同事的代码review，可以在保证代码质量的同时相互学习代码技巧。
Review leaderboard爬取了公司内部github PR review的状态，每个月提供一个榜单，根据review评论数由高到低给每个同事排序。每个月可以由团队决定review前几名的同事发Hudos，激励大家多进行代review。
除此之外，Review leaderboard还加入了每位同事的多维雷达图分析，全面了解同事的代码贡献????。每个团队都可以在review leaderboard里面拥有自己团队的榜单，方便管理。当然，我们还提供了整个hulu beijing的大榜单，方便各位同事在公司中找到自己的位置，更加努力的review PR。
????换脸前后
Ad Face Swap
Ad Face Swap 项目的目的是为用户提供更加沉浸式的广告体验。用户观看喜爱的电视剧集的时候如果切入不相关的广告会影响观影体验，但如果广告内容是由正在观看的影片里面的演员出演的呢？
Ad Face Swap项目的目的就是将正在播放的剧集中演员的脸换到广告片里，为用户提升观影体验。举例来说，如果用户观看的是hulu获奖剧集使女的故事，那么如果之后的广告片由剧中主演 Elizabeth Moss 会不会给观众的体验更好呢，我们展示的就是一个将美妆类广告换脸之后的效果。
煮夫 Handsfree player
"煮夫"福利大放送！Hulu看剧神器，Handsfree Player, especially for you.
借助AI技术, 让“煮夫”在追剧的同时, 能够更好的完成手头的“工作”, 促进家庭和谐, 保障幸福生活。
Handsfree Player通过人脸识别技术识别"煮夫"的状态, 智能的对视频进行暂停, 快进, 音量调节, 评分等操作, 无需手工干预, 完全解放双手. 同时择机插播广告, 极大保证观影体验.
我们的口号是 Start with the viewer!
Ad Detection in Live Streaming
Hulu上除了点播视频（VOD），还有很多直播内容（Live Contents），这些直播流中往往会有一些广告片段。为了提高广告效率，让用户看到更加相关的广告，Hulu需要知道视频流中广告的位置并进行动态替换。虽然SCTE-35信号可以提供一些广告的位置信息，但它有时候会有缺失、错位，而且有些视频流是没有这些信息的。如果要人工给视频流标记广告时间节点，则需要耗费大量人力。
为此，我们在本次的Hackathon中做了一个直播流中广告检测的demo，利用机器学习算法去监控视频流，自动识别其中的广告片段。算法主要利用音频、视觉等特征来将视频流片段与广告库中的广告进行匹配（matching），并采用分层响应的方式（由粗筛到细选）来提高效率。这里广告库的建立，也是利用类似的matching思路，只不过是将所有live channels进行相互匹配（同一个channel则是自我匹配），找到其中的重复片段作为候选的广告片段，然后再采用一些精细识别算法、过滤规则以及人工校验，确认之后放入广告库。下图是我们广告检测示意图，进度条中的红色区域即为检测出来的广告片段。
秃头美颜
脱发一直是程序猿圈的热门话题，很多同学深受此类问题的困扰。而在美颜相机盛行的当下，在开启美白功能的情况下，脱发的区域在照片上会表现的更为明显。
为了解决大家的烦恼，我们设计了一款具有"强大"后期功能的程序，让大家可以在照片上任意更换自己的发型，完美掩饰脱发的尴尬。我们利用目前比较成熟的人脸识别的技术，监测照片中人像面部的关键点，获取人像面部的位置、大小以及角度，然后对自己心仪的发型进行相应的调整，并置于图像中的合适位置。
有了这款神器，大家再也不用担心脱发的问题啦，甚至还可以尽情的cosplay~
这么多有趣又有技术含量的项目，
对奖项的竞争自然也是更加激烈。
凭借富有说服力的demo
和才艺纷呈的展示，
4个团队脱颖而出，
斩获了今年的奖项。
让我们祝贺获奖者
也期待明年的Hackathon有更多脑洞，
更强实力！
长按关注Hulu招聘动态
2021校园招聘正在进行
↓ 点击“阅读原文”
直达官网申请职位