視覺AI訓練營——Day1

什麼是視覺生産？

通過一個/一系列視覺過程，産出新的視覺表達。

産出:人或機器能夠感覺的圖像視訊，而不是标簽或特征;

要求:新的，和輸入不一樣的！

視覺生産的分類

• 生成:從0到1
• 拓展:從1到N
• 摘要:從N到1
• 升維:從An到An+1

視覺生産的通用架構

主要分成4個部分：請求，分發，服務，相應

視覺生産的五個關鍵次元

1.滿足視覺/美學表現

2.合乎語義/内容邏輯

3.保證結果的豐富性

4.提供使用者預期的抓手

5.帶來使用者/商業價值

進一步了解

1.識别

知道是什麼

2.檢測

識别+知道在哪兒

3.分割

識别+檢測+知道每一個像素是什麼

難點：資料嚴重不足，标注成本高

思路：

1、複雜問題拆解:粗mask估計+精準matting

2、豐富資料樣本:設計圖像mask統一模型

效果圖

視覺生成——無到有

視覺生成——鹿班

鹿班是視覺生成領域在業界落地的先行者，對外提供大規模線上的Al設計服務

視覺生成的流程

1.理需求

2.定草圖

3.選狀态

4.調細節

5.生成圖

6.好評壞

視訊編輯——移花接木

視訊植入

1.挖掘視訊，核心價值部分

2.擴大植入，珈蓋範圍

3.提升植入，效果效率

視訊編輯

擦除不要的内容

視覺增強——修舊如新

視訊增強

生成對抗技術與圖像翻譯技術相融合

大規模虛拟資料生成與真實資料交叉訓練

隐式光流計算與多幀特征融合提升時域穩定性

視覺增強——風格遷徙

經過SOTA顯著性檢測算法(SalGAN)驗證，該算法有效提升了風格遷移的Attention Consistency。

視覺遷徙——顔色擴充

即通過算法改變顔色

視覺制造——由虛入實

實體設計制造現狀

·效率低:多次打樣，多次溝通（服裝設計平均30天)

·定制難:無法實作柔性生産

·協同差:設計、營銷、生成脫節、倒置

目前使用後視覺AI後流程

1.輸入

2.生成

3.多樣

4.生産

總結

随着AI的勢頭持續高漲，AI在智能視覺系統中的應用呈現出非常光明的未來。在硬體方面，已經出現了專用處理器；在軟體方面，有越來越強大的算法，能夠識别物體、面部和姿勢。從AI的市場應用方面看，首先是智能家居和智能安防市場；第二是用于個人身份認證（解鎖、支付）的手機安全系統；最後是生物特征識别及其在智能建築和智慧城市中的應用。AI領域湧現出了大量的投資、收購和合作關系，而且在未來的幾年内市場規模将相當可觀，市場和收入都将快速增長。