【阿里云高校计划】导论-视觉AI技术应用探索 day1 【一见钟情】

视觉生产技术——探索与应用

定义和分类

视觉生产定义

通过一个或一系列视觉过程，产出新的视觉表达

视觉生产分类

• 生成：从0到1，从无到有
• 拓展：从1到N
• 摘要：从N到1
• 升维：从An到An+1

增强/变换：从A到B
插入/合成：A+B=C
擦除：A-B=C

视觉生产通用框架

1. 请求（输入）
2. 分类（生产类型）
3. 服务（生产引擎）
4. 响应（输出）

视觉生产五个关键维度

1. 可看（美学）
2. 合理（逻辑）
3. 多样（丰富性）
4. 可控（满足预期）
5. 可用（有价值）

---

精细理解——寻微入里

分割抠图理解

1. 识别：知道是什么
2. 监测：识别+知道在哪儿
3. 分割：识别+检测+知道每一个像素是什么

分割抠图难点

前提：数据规模大，质量高

• 复杂背景
• 遮挡
• 发丝精扣
• 透明
• 多尺度/目标
• 边缘反色

分割抠图思路

1. 复杂问题拆解：粗mask估计+精准matting
2. 丰富数据样本：设计图像mask统一模型

分割抠图模型框架

人像抠图

头、头发、脸、五官

物体抠图

• 动物

• 车辆（玻璃透明）

• 商品

• 动画

• ……

场景抠图

---

视觉生产——从无到有

视觉生成-鹿班

AI设计服务

视觉生成框架

1. 理需求
2. 定草图
3. 选状态
4. 调细节（粗粒度->细粒度）
5. 生成图
6. 评好坏

电商设计

• 照图生图（临摹）
• 个性化设计（千人千面）

智能美工

• jpg->psd
• psd->n*psd
• psd->png

短视频生成框架

视频摘要

120s原视频-60s摘要-30s摘要-15s摘要

视频封面

质量审核、内容分析与图像增强，jpg或gif

---

视觉编辑——移花接木

视频植入

广告植入

• 电视剧植入
• 电影植入
• 综艺植入

动态检测分隔

边界、alpha

视频内容擦除

• 字幕擦除
• logo擦除
• 广告擦除
• 场景文字擦除
• 人体擦除

画幅变化

4:3->16:9->20:9

内容补全

图像尺寸变化

海报变化，长宽变化

---

视觉增强——修旧如新

模糊变清晰

老照片修复

高动态范围图像（High-Dynamic Range，简称HDR）

低动态范围图像（Low-Dynamic Range，简称LDR）

分辨率提升

视频插帧

HDR色彩扩展

风格迁移

风格化处理，eg：油画

色彩拓展

色彩搭配、色系选择

---

视觉制造——由虚入实

核心逻辑

数字商品->实体商品

服装几何生成

材质工艺

视觉迁移及融合

多样性拓展

纹理、风格化

2D3D融合

2D->3D

3D->2D

• 几何一致性计算
• 3D朝向
• HDR光照估计
• 融合渲染

---

视觉智能开放平台——万剑归宗

利用API

在这个人工智能已经普及的时代，各行各业都充斥着AI的身影。大部分人认为人工智能起点高，入门难，想要使用AI服务又无法独立完成编写，阿里云视觉平台是基于阿里巴巴视觉智能技术实践经验，面向视觉智能技术企业和开发商（含开发者），为其提供高易用、普惠的视觉API服务，帮助企业快速建立视觉智能技术的应用能力的综合性视觉AI能力平台。开发者可以通过阿里云视觉平台提供的通用且标准化的接入方式，快速接入及使用阿里云视觉平台提供的包括人脸人体、文字识别、商品理解、内容安全、图像识别、图像生产、分割抠图、视觉搜索、目标检测、图像分析处理、视频理解、视频生产、视频分割13个类目多个API能力。本期直播将带你实战讲述如何使用阿里云视觉平台API快速开发在线视觉AI平台，让你认为遥远的AI能力变得触手可及！

加入高校计划

本人是参加的达摩院特别版-视觉AI训练营第二期
训练营里面的小哥哥小姐姐说话超级好听，我超喜欢这里！