facechain人物写真应用自8月11日开源了第一版证件照生成后。目前在github（GitHub - modelscope/facechain: FaceChain is a deep-learning toolchain for generating your Digital-Twin.）上已有5.7K的star，论文链接：FaceChain: A Playground for Identity-Preserving Portrait Generation：https://arxiv.org/abs/2308.14256。

本文介绍 阿里云开放视觉智能团队 被计算机视觉顶级国际会议ICCV 2023接收的论文 "TransFace: Calibrating Transformer Training for Face Recognition from a Data-Centric Perspective"。TransFace旨在探索ViT在人脸识别任务上表现不佳的原因，并从data-centric的角度去提升ViT在人脸识别任务上的性能。

伴随着持续不断的AIGC浪潮，越来越多的AI生成玩法正在被广大爱好者定义和提出，图像卡通化（动漫化）基于其还原效果高，风格种类丰富等特点而备受青睐。早在几年前，伴随着GAN网络的兴起，卡通化就曾经风靡一时。而今，伴随着AIGC技术的兴起和不断发展，扩散生成模型为卡通化风格和提供了更多的创意和生成的可能性。本文就将详细介绍达摩院开放视觉团队的卡通化技术实践。

本文主要用尽量简单白话的描述来剖析下AI换脸技术的原理，做一个科普文章，了解下当前换脸技术的发展现状及其局限性。

阿里巴巴最新自研的像素感知扩散超分模型已经开源，它把扩散模型强大的生成能力和像素级控制能力相结合，能够适应从老照片修复到AIGC图像超分的各种图像增强任务和各种图像风格，并且能够控制生成强度和增强风格。这项技术的直接应用之一是AIGC图像的后处理增强和二次生成，能够带来可观的效果提升。

本文介绍了ICCV23中稿论文 GAP: Generative Action Description Prompts for Skeleton-based Action Recognition

本文主要展示了阿里和港大的AI版「任意门」，实现零样本的图像嵌入。

本地生活技术雷达是由本地生活技术中心战略管理&PMO团队开展的，定期扫描和评估新兴技术的战略研究工作。目的是对技术趋势进行前瞻性预判，提出新技术布局建议，在技术驱动业务创新和业务增长、践行社会责任等方面有一些实质性探索。 本篇尝试探讨 1）理解AI范式——从分析型（Analytical AI）到生成式（Generative AI）的拐点在2022年，其对人类社会以及商业模式的长期影响； 2）生成式AI（文生文、文生图、图生图等）在本地业务目前场景的应用和未来的方向。 欢迎技术、产品、运营、战略、管理层、国内国际等各种视角的指点和碰撞！

本文介绍了GB28181标准中的状态信息报送机制，即心跳机制，用于监控设备与服务器间的连接状态。根据国标GB/T28181-2016，设备在异常时需立即发送状态信息，在正常状态下则按固定间隔（默认60秒）定期发送。若连续三次（默认值）未收到心跳，则视为离线。文章展示了在Android平台的GB28181设备接入模块（SmartGBD）中，如何调整心跳间隔为20秒及超时次数为3次，并给出了心跳消息的示例和异常处理代码片段。对于希望深入了解或遇到问题的开发者，作者提供了进一步交流的机会。

Camera1与Camera2是Android平台上的两种摄像头API。Camera1（API1）在Android 5.0后被标记为过时，新项目应优先选用Camera2（API2）。Camera2提供了更精细的控制选项，如曝光时间、ISO感光度等；支持多摄像头管理；采用异步操作提高应用响应速度；并支持RAW图像捕获及实时图像处理。此外，它还具备更好的适配性和扩展性，适用于各类应用场景，如相机应用开发、视频通话和计算机视觉等。因此，在现代Android开发中推荐使用Camera2。

大牛直播SDK跨平台RTMP直播推送模块，始于2015年，支持Windows、Linux（x64_64架构|aarch64）、Android、iOS平台，支持采集推送摄像头、屏幕、麦克风、扬声器、编码前、编码后数据对接，功能强大，性能优异，配合大牛直播SDK的SmartPlayer播放器，轻松实现毫秒级的延迟体验，满足大多数行业的使用场景。RTMP直播推送模块数据源，支持编码前、编码后数据对接

本文介绍了一种在Android平台上实现实时截图快照的方法，尤其适用于无需依赖系统接口的情况，如在RTMP推送、RTSP服务或GB28181设备接入等场景下进行截图。通过底层模块(libSmartPublisher.so)实现了截图功能，封装了`SnapShotImpl.java`类来管理截图流程。此外，提供了关键代码片段展示初始化SDK实例、执行截图、以及在Activity销毁时释放资源的过程。此方案还考虑到了快照数据的灵活处理需求，符合GB/T28181-2022的技术规范。对于寻求更灵活快照机制的开发者来说，这是一个值得参考的设计思路。

本文介绍如何利用大牛直播SDK中的轻量级RTSP服务，在Windows平台上轻松采集摄像头数据并生成本地RTSP流。通过SDK提供的SmartPublisherDemo工具，用户能简便地选择摄像头、配置分辨率与帧率，并启动RTSP服务。此外，还支持音频采集、多端口服务以及动态水印等功能。生成的RTSP URL可用于其他终端拉流播放，无需额外部署服务器。该服务适配多种应用场景，如安防监控、电子教室等，并兼容Windows 7及以上版本。对于希望集成此功能的开发者，SDK提供了C++及C#接口，并支持多种编译模式。

本文介绍了Android平台上轻量级RTSP服务模块的二次封装实践，旨在简化开发流程，让开发者能更专注于业务逻辑。通过`LibPublisherWrapper`类提供的API，可在应用中轻松初始化RTSP服务、配置视频参数（如分辨率、编码类型）、启动与停止RTSP服务及流发布，并获取RTSP会话数量。此外，还展示了如何处理音频和视频数据的采集与推送。最后，文章提供了从启动服务到销毁资源的完整示例，帮助开发者快速集成实时流媒体功能。

国产化操作系统的发展，减少了外部依赖，更符合国家安全标准，并可提升自主研发能力，促进产业链发展，满足定制开发能力，减少了外部技术封锁的风险，提高了国际竞争力，推动了产业升级。目前大牛直播SDK针对Linux平台x86_64架构和aarch64架构的RTMP推送模块和轻量级RTSP服务模块

大牛直播SDK是一款跨平台RTMP直播推送模块，支持Windows、Linux（x64_64与aarch64架构）、Android及iOS平台。该SDK功能全面，包括摄像头、屏幕、麦克风等数据采集与推送，并支持编码前后数据对接。其架构设计优秀，确保低延迟与高效率，结合SmartPlayer播放器实现毫秒级延迟体验。具备全自研框架，易于扩展且支持多种数据源接入，如外部YUV/RGB/H.264等格式。此外，各平台支持特性丰富，如Windows平台支持多摄像头合成，Android与iOS平台支持前后摄像头实时切换等。大牛直播SDK还提供了多个示例项目以帮助开发者快速上手。

大牛直播SDK采用全自研框架，具备高度可扩展性与自适应算法，显著降低延迟并提高采集编码效率。SDK以模块化设计，支持RTMP推流及多种音视频编码格式（如AAC、SPEEX、H.264、H.265），并能与播放器SDK组合实现丰富功能，包括流媒体转发、内置RTSP服务等。提供了详尽的参数配置选项，支持多摄像头、屏幕采集与水印叠加，并兼容Windows 7及以上操作系统。该SDK以C++/C#双接口形式提供，集成简便，同时包含调试与发布版本库，便于开发者快速上手。此外，支持断网重连、实时预览及多种编码前后的数据对接需求。

大牛直播SDK自2015年发布RTSP、RTMP直播播放模块，迭代从未停止，SmartPlayer功能强大、性能强劲、高稳定、超低延迟、超低资源占用。无需赘述，全自研内核，行业内一致认可的跨平台RTSP、RTMP直播播放器。本文以Android平台为例，介绍下如何集成RTSP、RTMP播放模块。

为满足内网无纸化/电子教室等内网超低延迟需求，避免让用户配置单独的服务器，大牛直播SDK在推送端发布了轻量级RTSP服务SDK。 轻量级RTSP服务解决的核心痛点是避免用户或者开发者单独部署RTSP或者RTMP服务，实现本地的音视频数据（如摄像头、麦克风），编码后，汇聚到内置RTSP服务，对外提供可供拉流的RTSP URL，轻量级RTSP服务，适用于内网环境下，对并发要求不高的场景，支持H.264/H.265，支持RTSP鉴权、单播、组播模式，考虑到单个服务承载能力，我们支持同时创建多个RTSP服务，并支持获取当前RTSP服务会话连接数。

GB28181（GB/T 28181-2022）是中国国家标准，规定了安全防范视频监控联网系统的信息传输、交换、控制技术要求。此标准支持设备接入、音视频传输及控制指令交互等功能，适用于各类监控设备如执法记录仪和移动监控系统。技术实现涉及协议栈构建、音视频编码及数据传输等环节。广泛应用在执法记录、移动监控和铁路巡检等领域。例如，海康威视iSecure Center和萤石云平台均支持GB28181协议，实现设备管理和视频传输。此外，大牛直播SDK推出的SmartGBD为Android终端提供了便捷的GB28181接入解决方案，支持多种数据类型接入，增强了设备的互操作性。