视觉AI训练营-第一天

简介: 参加视觉AI训练营的第一天,初步认识了达摩院视觉AI技术的应用,学习了基本的视觉AI处理方式,了解到了多种商业应用场景。

视觉生产
一、定义:通过一个/一系列视觉过程,产出新的视觉表达
输入(参数/素材)->(视觉生产)过程->产出(素材/成品)
二、.分类:1.生成:0->1;2.拓展:1->n 3.摘要n->1; 4.升维An->An+1 5.增强/变换:A->B; 6.插入/合成:A+B=C; 7.擦除:A-B=C
三、通用基础框架
Request->Dispatch->Service->Response
四、五个关键维度
1.满足视觉/美学表现(可看)
2.合乎语义/内容逻辑(合理)
3.保证结果的丰富性(多样)
4.提供预期的抓手(可控)
5.*带来用户/商业价值(可用)

精细理解
一、分割抠图
1.识别 2.检测 3.分割
二、难点
数据严重不足,标注成本高
三、解题思路
1.复杂问题拆解:粗mask+精matting
2.丰富数据样本
四、应用场景
头发丝、相似背景、其他物体抠图..

视觉生成
一、框架流程
1.理需求->2.定草图->3.选状态->4.调细节->5.生成图->6.评好坏
二、鹿班场景智能美工
1.人工还原机器学习:JPG->PSD
2.模板创作机器人:1PSD->100PSD
3.图片合成机器人:PSD->PNG
三、视频
视频封面

视觉编辑
一、视频植入
广告:核心挑战与亮点:
位置、透视、尺寸、遮挡、时间
二、动态检测分割
三、视频内容擦除
核心挑战与亮点:
粗定位-精分割-像素填充-在线训练
应用:文字擦除、logo擦除
四、画幅变化
主体检测分割+背景拉伸+背景补全+智能构图裁剪+超分辨率

视觉增强
一、视频、图片增强
单点核心技术:人脸增强
核心挑战:分辨率、帧率、色彩
二、视频、图片超分
视频插帧、HDR色彩扩展
三、风格迁移、颜色拓展

视觉制造
一、实体设计制造
几何生成、视觉迁移及融合、多样性拓展、2D3D融合

视觉智能开放平台
https://vision.aliyun.com/

相关文章
|
18天前
|
人工智能 编解码 安全
[译][AI OpenAI-doc] 视觉
学习如何使用 GPT-4 来理解图像。具有视觉功能的 GPT-4 Turbo 允许模型接收图像并回答与之相关的问题。了解图像上传、处理、成本计算、模型限制等详细信息。
|
26天前
|
人工智能 编解码 安全
揭秘AI幻觉:GPT-4V存在视觉编码漏洞,清华联合NUS提出LLaVA-UHD
【4月更文挑战第14天】清华大学与新加坡国立大学团队针对大型多模态模型(LMMs)在处理高分辨率图像时的局限,提出新模型LLaVA-UHD。该模型通过图像模块化、压缩和空间模式组织策略,有效提升了处理任意比例和高分辨率图像的能力。实验显示,LLaVA-UHD在9个基准测试中超越现有模型,且在TextVQA任务上准确率提升6.4%,同时训练时间更短。然而,模型训练成本高、泛化能力待优化是未来需解决的问题。
32 8
揭秘AI幻觉:GPT-4V存在视觉编码漏洞,清华联合NUS提出LLaVA-UHD
|
29天前
|
人工智能 自然语言处理 Cloud Native
通义灵码×西安交通大学携手打造“云工开物-高校训练营”,解锁 AI 时代编程学习与实战
阿里云与西安交通大学计算机学院携手打造的“云工开物-高校训练营”,带你走近 AI 编程助手“通义灵码”。
|
2月前
|
人工智能 UED
“视觉AI任意门”AnyDoor,只需点两下鼠标就可以实现任意场景物体交换
【2月更文挑战第17天】“视觉AI任意门”AnyDoor,只需点两下鼠标就可以实现任意场景物体交换
104 1
“视觉AI任意门”AnyDoor,只需点两下鼠标就可以实现任意场景物体交换
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索无限:Sora与AI视频模型的技术革命 - 开创未来视觉艺术的新篇章
探索无限:Sora与AI视频模型的技术革命 - 开创未来视觉艺术的新篇章
61 1
|
2月前
|
机器学习/深度学习 人工智能 知识图谱
LeCun视觉世界模型论文,揭示AI学习物理世界的关键
【2月更文挑战第16天】LeCun视觉世界模型论文,揭示AI学习物理世界的关键
19 2
LeCun视觉世界模型论文,揭示AI学习物理世界的关键
|
4月前
|
机器学习/深度学习 存储 人工智能
如何在本地部署视觉AI系统呢
如何在本地部署视觉AI系统呢
|
4月前
|
存储 机器学习/深度学习 人工智能
视觉AI的公共云服务有哪些优势
视觉AI的公共云服务有哪些优势
|
4月前
|
人工智能 API 开发工具
视觉AI的公共云
视觉AI的公共云
|
10月前
|
机器学习/深度学习 存储 人工智能