7月3日 ， 百度 AI开发者大会上 ， 百度大脑5.0重磅发布 ， 在算法层面实现 “ 质的飞跃 ” ， 取得多项技术突破 ， 视觉技术就是其中之一 。 百度大脑论坛上 ， 百度视觉技术部 、 增强现实技术部总监吴中勤正式发布百度视觉语义化平台2.0 ， 在交互升级和软硬件结合两大方面实现突破 ， 告别从看清世界到看懂世界的1.0时代 ， 迎来 “ 交互 ” 时代 。
5G时代对AI视觉技术有更高要求 ， 比如 ， 实时需求带来巨大计算量 ， 需要更高的计算效率 ； 更多形态和多模态交互才能让呈现和反馈更加自然 ； 更多的物联网设备需要通过边缘计算的部署实现高效信息处理 。 百度视觉语义化平台2.0可以进一步满足这些需求 。
视觉语义化平台推出了两项强大的交互技术 ， 包括一体化人机交互技术 、 以及大场景物理世界交互技术 。 在一体化人机交互系统中 ， 从人脸 ， 肢体 ， 手势和环境4个方面给用户带来丰富的互动体验 ， 将视觉定位与增强现实技术突破性结合 ， 实现大范围虚拟信息与物理世界的精准叠加 ， 从而创建起AI时代全新的交互系统 。
在一体化人机交互系统中 ， 依托于高精度的人脸关键点和人脸检测的基础算法 ， 可以实现精细五官和皮肤级的实时跟踪 ， 达到3D贴纸与道具 、 3D动画表情 、 以及五官交互触发等丰富的互动能力 。 在肢体方面 ， 支持多达59点的肢体骨胳点实时检测和跟踪 ， 全机型覆盖 。 在环境感知和理解方面 ， 可以实现物理世界1 ： 1实景实时分割 ， 包括人像分割 、 天空分割 ， 可以实现非常丰富的环境互动和特效 。 该系统适用于实现AR特效的直播 、 小视频 、 特效小程序等场景 ， 已应用于百度多款视频App 。
除了娱乐互动方面 ， 一体化人机交互系统可以广泛应用于智慧生活方面 。 比如在智能车机场景 ， 该系统可以实现疲劳驾驶提醒 ， 通过头部姿态 、 手势和表情等进行互动操控 。 目前 ， 百度与奇瑞合作推出的 “ 奇瑞星途 ” 汽车 ， 即搭载了一体化人机交互系统 。
除了聚焦人与机器的互动技术 ， 基于VPAS （ 视觉定位与增强服务 ） 的大场景物理世界交互系统可以带来全新的交互体验 。 百度首次通过视觉定位与AR技术的突破性结合 ， 将虚拟信息与真实地理位置准确重合 ， 标志着国内AR技术发展与应用领域取得突破性进展——在从简单的空间物体放置体验 ， 迈向基于物理空间精准感知的高沉浸混合现实体验 。
在软硬结合的技术方面 ， 吴中勤结合PaddleSlim 、 FaceID多模态人脸识别组件和AI相机三方面的技术和应用 ， 展示了这方面全新升级 。 Paddleslim是飞桨平台中强大的模型压缩工具 ， 支持的压缩方式种类和效果业界领先 。 以人脸技术为例 ， 在精度几乎不衰减的情况下 ， 通过PaddleSlim可将模型速度提升接近9倍 ， 模型压缩的开发效率提升了5倍 ， 让端上应用的体验非常流畅 。
FaceID是百度与合作伙伴一起联合研发的百度大脑适配的摄像头产品 ， 均支持RGB单目 、 3D结构光 、 近红外3种模态 。 它的特点是 ， 全流程 ， 多模态 ， 并应用了领先的模型量化和压缩技术 ， 搭载了业界领先的人脸识别算法 ， 能实现软硬一体 ， 即插即用的使用方式 ， 可以帮助开发者极大地节约研发成本 。 目前这些产品已经在公共出行 、 教育 、 零售 、 金融 、 政务等多个行业落地 ， 设备覆盖量超过1200万台 。
同时 ， 百度视觉技术团队还研发了软硬一体的AI相机系列产品 ， 将领先的AI视觉技术与智能芯片技术联合优化 。 实现了端上AI视觉计算 ， 推出多种形态的AI相机产品 ， 可以实现人脸检测 、 跟踪 、 人体分析 、 车辆分析等功能 ， 产品稳定性 、 功耗 、 综合效果行业领先 。 基于这些软硬一体的AI相机产品 ， 百度还开发了整套智能视频监控方案 ， 可以实现顾客会员识别 、 店内热力图 、 人流动线分析 、 客流量统计等功能 。 如今 ， 已经在3C卖场 、 手机品牌店 、 通信营业厅 、 便利店等多个场景中落地应用 。
此次视觉技术的重磅升级 ， 是百度大脑技术能力的长期积累 。 此前 ， 百度视觉技术已在国际多项赛事中屡屡夺冠 ， 展现出百度大脑强悍的AI技术实力 。 在6月份刚刚结束的CVPR顶级视觉学术会议上 ， 百度视觉技术摘取了包括物体检测 、 图像增强 、 智慧城市 、 视频理解等6项世界第一 ， ICME人脸关键点竞赛 、 DAWN深度学习benchmark速度成本等也取得世界第一的好成绩 。
在即将到来的5G时代 ， 越来越多物理设备将连接到高可靠 、 低延时的网络空间 ， 这将彻底改变人们与环境及设备的交互方式 。 本次全新发布的视觉语义化平台2.0 ， 正在推进视觉技术由 “ 看清看懂 ” 向 “ 交互 ” 进行升级 。 百度将通过百度大脑的生态体系 ， 把这些能力开放给开发者和各位合作伙伴 。 希望通过助力开发者 ， 实现开放共赢 ， 共建更强大的AI生态 ， 用科技让复杂的世界更简单 。
