达摩院视觉ai图像识别项目

视觉生产技术

这是2020.8.24开始的视觉AI训练营第一天的打卡内容，这篇学习笔记是对视频内容的复制。通过今天的学习，我重新认识了AI在图像领域（或者说视觉领域）的应用。之前的我只是学习深度学习，包括图像识别等。现在我了解了如何将AI应用到生成图像中去。

一、定义和分类

定义：通过一个/一系列视觉过程，产出新的视觉表达

• 产出：人或机器能够感知的图像视频，而不是标签或特征
• 要求：新的，和输入不一样
• 用AI实现传统上设计师通过PS, MAYA等的工作
  分类：
• 生成：从0到1
• 拓展：从1到N
• 摘要：从N到1，浓缩出主要信息
• 升维：从An到An+1，例如2D→3D
• 增强/变换：从A到B
• 插入/合成：A+B=C
• 擦除：A-B=C

二、通用基础框架

1. 请求：输入参数、素材、草案、成品（能不能做一个差不多的？）、案例

2. 分发：生产类型

   1. 通用生成：参数+素材
   2. 素材合成：参数+素材
   3. 照图生图：参数+素材+成品
   4. 视频摘要：参数+素材+成品
   5. 编辑变换：参数+素材/案例
   6. 视觉拓展：参数+素材/案例

3. 服务：视觉生产引擎（核心）

   1. 生成引擎：模型+知识
   2. 搜索引擎：素材+案例，生成困难，搜索匹配到一个差不多的，做一些改动
4. 响应：输出图像/视频/3D
</