1. 变得更漂亮
模型名字：ABPN 人像美肤
体验链接：https://www.modelscope.cn/models/damo/cv_unet_skin-retouching/
人们对照片人像的美观度是一个刚性需求，包括斑点、颜色、瑕疵等，甚至高矮胖瘦。本次我们开放了专业级别的人像美肤、液化等模型供大家使用。
本模型提出了一个新颖的自适应混合模块 ABM，其利用自适应混合图层实现了图像的局部精准修饰。此外，我们在 ABM 的基础上进一步构建了一个混合图层金字塔，实现了超高清图像的快速修饰。
相比于现有的图像修饰方法，ABPN 在修饰精度、速度上均有较大提升。ABPN 人像美肤模型为 ABPN 模型在人像美肤任务中的具体应用。
如下示例：
更进一步，我们还可以在服饰上做一些有意思的尝试，如去皱：
甚至瘦身美型：
体验链接：https://www.modelscope.cn/models/damo/cv_flow-based-body-reshaping_damo/summary
从效果上来说，有如下几点特色：
- 局部修饰。只对目标区域进行编辑，保持非目标区域不动。
- 精准修饰。充分考虑目标本身的纹理特征和全局上下文信息，以实现精准修饰，去除瑕疵的同时保留皮肤本身的质感。
- 超高分辨率的处理能力。模型的混合图层金字塔设计，使其可以处理超高分辨率图像（4K~6K）。
本模型有很强的实用性，比如可应用于专业修图领域，如影楼、广告等，提高生产力，也可以应用于直播互娱场景，提升人像皮肤质感。
2. 变成卡通人
模型名：DCT-Net 人像卡通化模型
体验链接：https://www.modelscope.cn/models/damo/cv_unet_person-image-cartoon_compound-models/
人像卡通化是一个具有很好互动性的玩法，同时又有多种风格可选。魔搭开放的人像卡通化模型基于全新的域校准图像翻译网络 DCT-Net（Domain-Calibrated Translation）实现，采用了「先全局特征校准，再局部纹理转换」的核心思想，利用百张小样本风格数据，即可训练得到轻量稳定的风格转换器，实现高保真、强鲁棒、易拓展的高质量人像风格转换效果。
如下示例：
从效果上来看：
- DCT-Net 具备内容匹配的高保真能力，能有效保留原图内容中的人物 ID、配饰、身体部件、背景等细节特征；
- DCT-Net 具备面向复杂场景的强鲁棒能力，能轻松处理面部遮挡、稀有姿态等；
- DCT-Net 在处理维度上和风格适配度上具有易拓展性，利用头部数据即可拓展至全身像 / 全图的精细化风格转换，同时模型具有通用普适性，适配于日漫风、3D、手绘等多种风格转换。
后续我们也会对卡通化进行系列化的开放，除图像转换外，后续将包含图像、视频、3D 卡通化等系列效果，先放一些效果大家看看：
3. 小结
这类模型对图像内容进行修改，包括对源图内容进行编辑加工（增加内容、删除内容、改换内容等），或者直接生成一个新的视觉内容，转换一个风格，得到一张新的图像（基于源图像且与源图不同），都属于编辑生成这个大类，可以理解成，从 A 图得到 B 图的过程。
行业场景类模型
如最开始所说，视觉 AI 技术的价值体现，在广泛的各类场景中都存在，除了上述「人」相关的视觉 AI 技术，我们也开放了来自互联网、工业、互娱、传媒、安全、医疗等多个实战型的模型，这些模型可以拿来即用，也可以基于finetune训练或自学习工具进一步加工完善，用于开发者、客户特定的场景，这里举一个例子：
模型名：烟火检测（正在集成中）
模型功能： 可做室外、室内的火焰检测以及烟雾检测，森林、城市道路、园区，卧室、办公区域、厨房、吸烟场所等，算法打磨近 2 年，并在多个客户场景实际应用，整体效果相对稳定。
从技术视角来说，本模型提出 Correlation block 提升多帧检测精度，其设计数据增强方法提高识别灵敏度同时有效控制误报。
从应用上来说，模型可应用于室内、室外多种场景，只需要手机拍摄、监控摄像头等简单设备就可以实现模型功能。
结语：视觉 AI 的开放未来
通过上述分析，我们可以发现，视觉 AI 的应用潜能极为广泛，社会需求极为多样，但现实情况却是：视觉 AI 的供给能力非常有限。
达摩院在魔搭 ModelScope 之前，就率先开放了 API 形态的视觉 AI 服务，通过公共云平台对 AI 开发者提供一站式视觉在线服务平台，即视觉智能开放平台（vision.aliyun.com），其中开放了超 200 个 API，涵盖了基础视觉、行业视觉等方面，也包括上面所说的「以人为中心」的视觉技术。
从开放视觉平台到魔搭社区，这意味着达摩院视觉 AI 的开放迈出了更大的一步。从 OpenAPI 拓展到 OpenSDK、OpenSOTA，从公共云到端云协同，从平台到社区，我们希望去满足千行百业对视觉 AI 的需求，希望促进视觉 AI 的生态发展。
