视觉生产技术探索与应用
- 视觉生产定义
视觉生产定义，分为两类视觉理解和视觉产生，视觉理解就是常见的检测，分割，而视觉产生可以理解为如何产生视觉，即通过一个、一系列视觉过程，产出新的视觉表达。在这里的产出，指的是和输入不一样的人或机器能感知到的视频，而不是标签或特征。
视觉生产有以下分类，生成，拓展，摘要，升维，增强/变换，插入合成，擦除
- 视觉生产通用基础框架
- 视觉生产的五个维度
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.提供用户预期的抓手（可控）
5.带来商业价值和用户（可用）
- 精细理解
1.识别：知道是什么
2.理解：再识别基础上知道位置信息
3.分割：在前两步的基础上知道没一个像素是什么（难点：复杂背景，遮挡，发丝精扣，边缘反色，透明材质，多尺度/目标）
思路1.复杂问题拆解：超mask估计+精准matting
2.丰富数据样本：设计图像mask统一模型
- 视觉生成流程
- 短视频流程
- 视觉编辑
主要是对于视频进行增删改查，来优化用户的体验，应用主要如下：
- 视觉增强
- 视觉制造
- 阿里云智能开放平台
