至顶网CIO与CTO频道 05月07日 北京消息:5月7日,腾讯云AI视觉团队正式发布全新的人像分割产品,该产品基于腾讯优图领先的人体分析算法,能够精准识别图像中的人体轮廓边界,与背景进行分离,实现像素级人像分割,有效满足图片、短视频、影视剧等不同场景下的对于人像分割的复杂需求。
以往,图片、视频中要实现人像分割,需要运用PS软件每张、每帧抠图,不仅耗时耗力,抠图效果也主要依赖于个人技术,难以掌控。腾讯云神图·人像分割通过领先的AI技术,可以迅速识别人像、全自动抠图,秒速抠像。同时,像素级分割技术能很好的处理人的发丝部分,整个画面看起来自然不生硬。抠图过程省时省心,且质量有保证。
人像分割技术使用场景广泛,除了可以进行单纯的图片处理,还可应用于相机、视频类应用,以及帮助影视剧进行后期抠像、换背景等特效处理。
具体来说,通过将人像分割技术,在拍摄、直播、线上教学、视频会议过程中,可以帮助用户实时、精准将人物和背景精准识别,实现更精细化的人物美颜、背景虚化或替换,进一步升级了相机、视频应用视觉体验。目前,这项技术已成功在腾讯会议中应用。
在影视剧制作过程中,传统的拍摄因为道具和场地的限制,使得许多特效需要耗费不少时间和精力进行绿幕拍摄和后期制作,导致拍摄成本高。使用腾讯云神图·人像分割技术,能够精准的识别视频中人像区域,进行一键抠像、背景替换、人像虚化等后期处理,无需绿幕拍摄和后期制作,极大地节省时间和人工成本。
除单独使用,人像分割技术还可结合其他AI技术带来更多创新性应用场景。
例如人像分割与人像变换技术结合,使用人像分割进行抠像处理,对人脸进行编辑和生成算法,可做到人脸年龄变化。用户可以用2张照片,人像分割后进行年龄变化,让年轻的自己和现在的自己穿着同样的衣服出现在同一张照片中,形成一种跨时空对话,极大地丰富了社交娱乐新玩法。
人像分割与背景特效结合也是典型应用场景,通过识别图像中的人体轮廓,可以为人像添加各种设定的背景特效,也可对背景进行虚化处理,实现大光圈浅景深的专业相机效果。
据了解,此前腾讯云神图已经发布了人脸识别、人脸融合、人体识别、跨年龄识别等多项实用功能,并在政务、商业、娱乐等多行业落地,具有识别精准、算法领先、稳定可靠、简单易用等特点。
在AI视觉研究和应用创新方面,腾讯云拥有毋庸置疑的优势,腾讯内部众多AI实验室也代表业界最高水准。以腾讯优图实验室来说,目前团队拥有超过700项全球专利,在ICCV、CVPR等顶级会议上有160多篇论文被收录,研究成果更多次在计算机视觉国际权威比赛包括Megaface、LFW、ICDAR、MIREX中刷新世界纪录。
值得一提的是,在今年三月份国际权威研究机构Gartner首次发布的云AI开发者服务魔力象限,腾讯云成为中国唯一入选云厂商。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。