魔搭中文开源模型社区：模型即服务-视觉AI能力的开放现状及ModelScope实战

作者：谢宣松（星瞳），达摩院开放视觉智能资深算法专家

一、 视觉技术发展史

视觉是人类获取信息的最大渠道，它的应用非常广泛。在视觉领域，所有的信息都从感知增强开始，通过压缩传输、评估安全、搜索挖掘、生成编辑、认知理解，直至最后的重建互动。

视觉分类有很多维度，可以从技术、模态等维度进行分类。比如识别分割、缺陷检测、语义分割、外在识别等等。因此不管从技术维度、模态维度、其他应用维度来看，视觉分类非常广泛。

与此同时，视觉开放也有多种形态。比如开放学术圈的方法与思想，开放中高级开发者的模型与数据，开放初中级开发者的API，开放开发者的SDK组件，以及开放用户产品的解决方案等等。

为此，阿里巴巴在视觉开放方面，做了很多努力。比如达摩院针对API形态，开放的视觉智能开放平台。该平台开放了15类能力，200多种API能，日均调用达到亿级，目前开通的用户达到了七万人。