What is视觉生产
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;
2.视觉生产的分类
- 生成:从0到1
- 拓展:从1到N
- 摘要:从N到1
- 升维:从An到An+1
视觉生产的通用框架
3.视觉生产的五个关键维度
满足视觉/美学表现;合乎语义/内容逻辑;保证结果的丰富性;提供用户预期的抓手;带来用户/商业价值
1.识别
含义：知道是什么
2.检测
含义：识别+知道在哪儿
3.分割
含义：识别+检测+知道每一个像素是什么
含义 ：数据严重不足，标注成本高
思路：复杂问题拆解:粗mask估计+精准matting，丰富数据样本:设计图像mask统一模型
视觉生成
视觉生成
鹿班是视觉生成领域在业界落地的先行者，对外提供大规模在线的Al设计服务
视觉生成的流程
理需求，定草图，选状态，调细节，生成图，评好坏
视频编辑
视频植入
挖掘视频，核心价值部分；扩大植入，珈盖范围；提升植入，效果效率
视频编辑
删除不要的内容
视觉增强
视觉增强——风格迁徙
经过SOTA显著性检测算法(SalGAN)验证，该算法有效提升了风格迁移的Attention Consistency。
视觉迁徙——颜色扩展
即通过算法改变颜色
视觉制造——由虚入实
实体设计制造现状
效率低:多次打样，多次沟通（服装设计平均30天)
·定制难:无法实现柔性生产
·协同差:设计、营销、生成脱节、倒置
AI后流程
输入，生成，多样，生产
总结
深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。因此，“深度模型”是手段，“特征学习”是目的。区别于传统的浅层学习，深度学习的不同在于：1）强调了模型结构的深度，通常有5层、6层，甚至10多层的隐层节点；2）明确突出了特征学习的重要性，也就是说，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易。与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据的丰富内在信息。
