对于一家在线视频服务公司来讲，理解视频的内容其重要性不言而喻，只有深度理解用户观看的内容到底是什么，才能更好的给用户提供个性化的内容推荐、更好的交互体验等产品服务。

Hulu自2016年开始系统性的在视频内容理解方面展开研究，从视频切分、人工合成元素抽取、视频标签生成、精彩片段分析等等课题入手，通过构建系统平台来支撑视频数据的生成和处理，并对业务及产品的支持方面也多有探索。这其中也积累了一些经验，期望借助这个平台的分享，和大家交流Hulu在这个领域是如何探索和应用的，共同探索这个领域的未来发展趋势。

演讲提纲：

We will cover :

1. Importance and urgency of doing video content understanding in Hulu
2. Three main research directions of video understanding in Hulu 
3. Automation Tools
4. Video derived tags, tag lake and tag governance
5. Content generation
6. AI platform's architecture and pipeline for video understanding
7.  FrameHouse
8.  ML/DL platform
9.  Automation pipeline and architecture
10.  Data management and serving
11.  Business and product support and best practice 
12. Content embedding and deep personalization 
13. Ads related experience
14. UX innovation

听众受益点：

• Understand the whole pipeline and architecture of video understanding in Hulu, and learn how Hulu enable AI algorithms through AI platform
• Learn the best practice of how Hulu leveraging video understanding techs to support business and product innovation
• How Hulu process video derived tags and do tag governance