近日，騰訊優(yōu)圖實驗室總監(jiān)黃飛躍接受CSDN專訪，揭秘了騰訊優(yōu)圖八年間的研發(fā)和落地歷程，以及對計算機視覺的未來展望。以下為專訪內(nèi)容：
12 年前，清華大學(xué)博士畢業(yè)的黃飛躍加入騰訊剛成立不到一年的騰訊研究院，帶著 5 個人的小組，第一個項目是做一款名為“QQ影像”的桌面處理軟件，但由于團隊都屬于 IT 直男，對于產(chǎn)品一竅不通，于是首個項目以并不盡如人意的結(jié)局告終。
12 年后，當(dāng)初的 5 人團隊已經(jīng)擴大到 數(shù)百人的規(guī)模，成為計算機視覺領(lǐng)域鼎鼎有名的優(yōu)圖實驗室。但細算起來，優(yōu)圖正式成立的時間其實在 2012 年，這一年，黃飛躍帶領(lǐng)的這支團隊更名為“優(yōu)圖”，他作為優(yōu)圖團隊的負責(zé)人，帶領(lǐng)這幫人成為國內(nèi)計算機視覺大規(guī)模應(yīng)用最早的一批從業(yè)者。
如今，做計算機視覺的人不會不認識優(yōu)圖這個名字，尤其是人臉識別技術(shù)和產(chǎn)品，優(yōu)圖的名聲更是響亮。作為騰訊消費互聯(lián)網(wǎng)業(yè)務(wù)背后的“隱形 AI 戰(zhàn)隊”，優(yōu)圖實驗室與 騰訊 AI Lab 和微信 AI 團隊一起，并列騰訊 AI 三大人工智能團隊，為包括 QQ、微信、騰訊微視等消費互聯(lián)網(wǎng)產(chǎn)品提供技術(shù)支持。
優(yōu)圖在做什么?
2018 年，騰訊宣布戰(zhàn)略轉(zhuǎn)型升級，擁抱產(chǎn)業(yè)互聯(lián)網(wǎng)，優(yōu)圖從騰訊內(nèi)部的一個技術(shù)團隊開始走向前臺，通過騰訊云等對外輸出視覺 AI 能力。
黃飛躍對于優(yōu)圖的定位，就是一個計算機視覺相關(guān)技術(shù)的研發(fā)和落地的實驗室，從最開始的圖像壓縮，到后面的人臉識別，再往后的人體識別、OCR 等一系列技術(shù)，優(yōu)圖從最初的圍繞騰訊公司內(nèi)部的需求提供技術(shù)支撐，到現(xiàn)在依托騰訊云等產(chǎn)品對外輸出產(chǎn)品和解決方案。
有人會好奇，優(yōu)圖到底都做了些什么。實際上，從騰訊內(nèi)部到 ToC，優(yōu)圖的AI技術(shù)早已滲透到我們的日常生活中，留心觀察的話會發(fā)現(xiàn)，我們平常用到的微信刷臉支付、人臉識別對比、隨申碼、健康碼、微眾銀行等 App 的人臉核身等，背后都是優(yōu)圖在做技術(shù)支撐。比如在微信小程序申請民政服務(wù)，檢測人臉時出現(xiàn)的藍色、綠色等不同顏色的光譜，其實就是在做活體檢測，確認是否是本人操作。
天天P圖
黃飛躍表示，最近一兩年，短視頻、泛娛樂場景的視覺AI需求比較旺盛，為此優(yōu)圖打造了一系列泛娛樂方面的解決方案，包括美顏美妝、人像分割、趣味合成和生成、人臉融合和變裝等，你平常打開的美顏軟件，說不定就有優(yōu)圖的存在。
讓筆者印象比較深刻的，還有在尋找走失兒童場景中，優(yōu)圖可以實現(xiàn)跨年齡人臉識別，一兩歲時丟失的嬰兒，丟失十幾年之后的兒童也能被精準識別，這樣的“黑科技”也是優(yōu)圖研發(fā)的。
了解計算機視覺技術(shù)的人應(yīng)該知道，跨年齡人臉識別對于數(shù)據(jù)量和模型訓(xùn)練來說都是巨大的挑戰(zhàn)，為了充分的從數(shù)據(jù)中學(xué)習(xí)人臉自然的跨年齡變化規(guī)律，騰訊優(yōu)圖提出了基于 DDL(分布式蒸餾學(xué)習(xí)法則)學(xué)習(xí)策略的正則化遷移學(xué)習(xí)策略?；谠摬呗裕惴Ｐ涂沙浞诌M行跨年齡人臉識別學(xué)習(xí)，從而讓困難的跨年齡識別更加可靠和精準。用這項技術(shù)，騰訊成功幫助警方找回多名被拐超過十年的兒童。
“救人一命勝造七級浮屠”，可以造福、方便人類的事情，正是所有技術(shù)人的追求，因為這讓我們所做的事情變得有了意義。
優(yōu)圖的技術(shù)“家底”有多厚?
各種場景下的應(yīng)用， 當(dāng)然離不開底層技術(shù)的支撐。從團隊成立之初做圖片壓縮，到后來轉(zhuǎn)到人臉檢測和識別，優(yōu)圖不斷洞察新技術(shù)趨勢，積淀下清晰的技術(shù)發(fā)展路線。
黃飛躍在清華大學(xué)讀研讀博時，所學(xué)專業(yè)除了人臉識別和人臉檢測之外，還包括人頭 3D 重建、人體動作識別等技術(shù)。黃飛躍回憶，那時候人臉識別與現(xiàn)在相比有著巨大的差異，十幾年前，火爆的專業(yè)是網(wǎng)絡(luò)工程等方向，計算機視覺方向在當(dāng)時是冷門。
黃飛躍也承認，當(dāng)時學(xué)術(shù)的不成熟導(dǎo)致整個計算機視覺產(chǎn)業(yè)鏈不完整?，F(xiàn)在，我們已經(jīng)可以通過深度學(xué)習(xí)技術(shù)，為很多計算機視覺問題找到很好的解決方案，比如人臉檢測識別，我們能夠從幾百人的合照中找到 99% 甚至全部的人臉，有遮擋也可以做到，但在當(dāng)時，深度學(xué)習(xí)還沒有起來，大家更多的是做偏研究的事情，和實際業(yè)務(wù)結(jié)合較少，采集數(shù)據(jù)難度大，算法在實際應(yīng)用中效果差，只能在特定場景和小范圍內(nèi)做有限的應(yīng)用。
總之，當(dāng)時的計算機視覺研究環(huán)境很惡劣，人工智能仍處于發(fā)展瓶頸期，體系建設(shè)沒有展開。2008 年，黃飛躍畢業(yè)時也曾糾結(jié)過去做老師還是進公司，看了很多方向，選擇了加入剛成立不到一年的騰訊研究院，起初是跟著 leader，后來才帶領(lǐng)著 5 人小組，在迷茫中開始視覺AI的探索之路。
因圖像壓縮技術(shù)聲名大噪
上文中也提到，最開始，這支團隊負責(zé)一款名叫“QQ 影像”的桌面處理軟件，這是一款和美圖秀秀類似的圖像管理編輯軟件，既有工程又有黃飛躍學(xué)習(xí)的視覺圖像處理的一系列的能力，所以他認為這兩者的結(jié)合是一個機會。但這個項目做到 2011年，PC 端開始向移動端轉(zhuǎn)移，但 QQ 影像是 PC 軟件，所以失去優(yōu)勢，加上團隊都是技術(shù)人員，缺乏產(chǎn)品思維，導(dǎo)致產(chǎn)品發(fā)展不盡人意。
QQ 影像
2010 年，黃飛躍和團隊遷往上海。2011 年下半年，黃飛躍發(fā)現(xiàn)“圖片二次壓縮”技術(shù)可能存在極大的價值，可以廣泛應(yīng)用到騰訊內(nèi)部的眾多業(yè)務(wù)中，比如圖片的存儲與傳輸，可有效減少存儲、降低帶寬流量，為公司節(jié)省巨額資金及存儲空間。隨著研究的深入和技術(shù)的不斷成熟，黃飛躍帶著團隊開始為騰訊內(nèi)部其他團隊提供圖片二次壓縮技術(shù)——可以將圖片像素壓縮 20%-30%，大大降低帶寬成本。
此時，團隊更名為“優(yōu)圖”——這便是“優(yōu)圖實驗室”的前身。
優(yōu)圖的圖片壓縮技術(shù)為騰訊創(chuàng)造了巨大的價值，也為優(yōu)圖帶來了聲望。
轉(zhuǎn)移到人臉檢測識別方向
2012 年下半年，優(yōu)圖把研究重心轉(zhuǎn)移到人臉檢測識別方向，開始進行人臉技術(shù)研發(fā)和儲備。此時正逢騰訊的組織架構(gòu)調(diào)整，原本隸屬于騰訊研究院的優(yōu)圖并到了騰訊社交網(wǎng)絡(luò)事業(yè)群旗下。
2013 上半年，優(yōu)圖開始將人臉檢測技術(shù)輸出至 QQ 空間，同時將技術(shù)提供給推出爆款“武媚娘”妝容的“天天P圖”前身——“水印相機”團隊。2014 年，QQ 空間“面孔墻”全量上線，這是業(yè)界最早在大規(guī)模社交網(wǎng)絡(luò)平臺中人臉識別技術(shù)的應(yīng)用。此時，黃飛躍帶領(lǐng)的優(yōu)圖團隊只有 20 人不到。
2014 年上半年開始，黃飛躍帶領(lǐng)優(yōu)圖團隊開始探尋大量人臉識別應(yīng)用場景，和騰訊征信負責(zé)人挖掘人臉識別的一個創(chuàng)新應(yīng)用，即通過自拍照和身份證照片比對，來確認是否是用戶本人(人臉核身)。在成功打出微眾銀行這個線上人臉核身案例后，優(yōu)圖將技術(shù)逐漸開放給內(nèi)部超過 50 個業(yè)務(wù)，并在 QQ、QQ 空間、QQ 音樂、財付通、微眾銀行、天天 P 圖等明星產(chǎn)品中成功落地，也與滴滴、聯(lián)通等企業(yè)達成合作。
隨著業(yè)務(wù)的發(fā)展壯大，騰訊優(yōu)圖也從最開始的 5 人團隊，成長為現(xiàn)在的百人以上的規(guī)模。
2018 年 9 月 30 日，騰訊宣布組織架構(gòu)調(diào)整，隸屬于 SNG 的優(yōu)圖實驗室調(diào)整歸屬于 CSIG 云與智慧產(chǎn)業(yè)事業(yè)群。優(yōu)圖開始和云與智慧產(chǎn)業(yè)形成更密切的聯(lián)動配合，通過騰訊云、微信等輸出視覺AI能力，在金融、零售、政務(wù)、社區(qū)、物流、文旅等領(lǐng)域落地解決方案。
以上就是優(yōu)圖實驗室大致的技術(shù)發(fā)展路線，在這個過程中，黃飛躍帶領(lǐng)團隊自主研發(fā)了很多創(chuàng)新性的計算機視覺技術(shù)和應(yīng)用。
人臉識別算法迭代
黃飛躍回憶，自 2012 年下半年將重點轉(zhuǎn)移到人臉識別上來之后，優(yōu)圖便開始積累人臉相關(guān)技術(shù)。那時，優(yōu)圖會使用一些傳統(tǒng)的分類 PCA 等方法做檢測識別，從而具備了基礎(chǔ)的人臉相關(guān)能力，包括人臉檢測、人臉五官定位、人臉識別這三要素。
2014 年以后，優(yōu)圖開始跟進深度學(xué)習(xí)相關(guān)技術(shù)潮流和趨勢，最開始是用深度學(xué)習(xí)對齊傳統(tǒng)的人臉方法。
黃飛躍認為，實際上人臉技術(shù)的演進有這幾個點，其一是活體檢測，優(yōu)圖做了人臉安全與身份核驗、紋理檢測、動作識別，以及自主研發(fā)的反光活體技術(shù)，即手機側(cè)終端隨機發(fā)出一系列不同的光，根據(jù)光照射用戶的情況，和攝像頭捕捉到的信息，判斷是真的人臉還是一張照片、面具還是視頻。這是人臉安全系列的技術(shù)演進。
其二是人臉識別規(guī)模的大幅提升，從開始的幾千到幾萬的規(guī)模，現(xiàn)在到從數(shù)十億規(guī)模中做人臉檢測，背后依靠的是深度學(xué)習(xí)技術(shù)。
第三個特點是要結(jié)合實際業(yè)務(wù)場景，比如在疫情期間的口罩檢測，就需要做算法和場景交互的設(shè)計調(diào)整。
八年成長路，不斷積累“雪中送炭”的能力
從騰訊內(nèi)部一個名不見經(jīng)傳的小組，到成長為一個頗有名氣的AI實驗室，優(yōu)圖花了八年時間，一路走來也并非一帆風(fēng)順，他們面臨的挑戰(zhàn)不僅來自技術(shù)層面，還有如何向公司證明技術(shù)的價值。
比如讓這支團隊聲名鵲起的圖像壓縮技術(shù)發(fā)明之初，優(yōu)圖團隊就面臨著如何說服公司內(nèi)部客戶、合作伙伴和部門用這項技術(shù)的問題，為了與 QQ 空間團隊合作，他們要經(jīng)常跑到深圳，甚至長期派駐人員了解對方的需求。當(dāng)時，QQ 空間團隊關(guān)注的技術(shù)點很多，如何讓圖片顯示更清晰，PC 端網(wǎng)頁的相冊照片如何更好地展示縮略圖等，都是他們關(guān)心的問題，優(yōu)圖要做的不僅是要把技術(shù)“賣”給他們，還要根據(jù)需求給出具體的解決方案。好在團隊成功完成任務(wù)，度過了團隊成立之初的第一個大關(guān)。
2014 年是優(yōu)圖的一個拐點。在這個時間段，雖然優(yōu)圖與 QQ 空間的合作已經(jīng)取得了一系列成果，優(yōu)圖研發(fā)推出的 QQ 空間面孔墻可以幫助用戶按照人的維度來管理自己的相冊、照片，整體的效果體驗，包括準確度、指標都不錯，但是實際上線之后，黃飛躍卻開始思考另一個問題：優(yōu)圖團隊的價值在哪里?因為這個能力始終是錦上添花，并不是雪中送炭，離不開的能力。于是，優(yōu)圖開始挖掘一些剛需、有價值的點。
黃飛躍想到了人臉識別。那時候團隊已經(jīng)開始主打人臉識別相關(guān)技術(shù)的研發(fā)，但是存在一定困難。2014 年下半年與微眾銀行的合作是一個契機。當(dāng)時，微眾銀行開業(yè)，給自己的定位就是完全線下無網(wǎng)點銀行，沒有線下網(wǎng)點，線上開戶只能通過人臉核身。但當(dāng)時人臉核身技術(shù)層面上不成熟，這就給了優(yōu)圖難得的機遇，從 2014 年 9 月份開始合作，到 2015 年微眾銀行正式上線，優(yōu)圖攻堅了一系列難題，包括提高人臉活體的能力，防止人臉照片、視頻攻擊等，獲得了微眾的認可，把真金白銀的業(yè)務(wù)交給優(yōu)圖。
八年走過來，優(yōu)圖的發(fā)展路線愈發(fā)清晰，聚焦于最核心的能力，比如人臉識別、人臉檢測定位等，避免與其他團隊的研發(fā)“撞車”;另外一方面，一些團隊更多地側(cè)重在優(yōu)圖基礎(chǔ)能力之上做封裝，如與 PCG 合作力，優(yōu)圖負責(zé)提供人臉檢測配準的基礎(chǔ)能力，PCG 在此之上研發(fā)美顏掛件等，提供美顏能力和解決方案。
計算機視覺迎來第二次高潮
以優(yōu)圖為代表，是國內(nèi)互聯(lián)網(wǎng)企業(yè)做計算機視覺技術(shù)研發(fā)與應(yīng)用開發(fā)的縮影。在移動互聯(lián)網(wǎng)時代，計算機視覺乘著東風(fēng)，迎來第二次發(fā)展的高潮。
黃飛躍認為，移動互聯(lián)網(wǎng)與計算機視覺之間是相輔相成的關(guān)系，這其中有幾個原因，一個是正好深度學(xué)習(xí)的進展和移動互聯(lián)網(wǎng)發(fā)展的時間重合，移動互聯(lián)網(wǎng)時代的特點是手機上的攝像頭，有了傳感器，數(shù)據(jù)越來越多，UGC 數(shù)據(jù)量急劇增加，帶來大量的需求和機會，因此整個移動互聯(lián)網(wǎng)的產(chǎn)業(yè)鏈、市場空間遠遠大于 PC 互聯(lián)網(wǎng)，因為計算終端無所不在，攝像頭獲取數(shù)據(jù)的設(shè)備無限大，市場很大會帶來更多發(fā)展的機會，相關(guān)的企業(yè)也將越來越多。
然而，我們應(yīng)該清楚，計算機視覺技術(shù)現(xiàn)在還處于發(fā)展較前期的前階段，能夠解決一些問題，但是更多地是做到識別模式，而不是理解，也就是偏感知層面，最終還需要向認知層面努力，建立起對圖的深度理解，但目前從技術(shù)層面上來說還沒有一個特別好的解決方案，跨越感知和認知之間的鴻溝將是一個艱難的過程。
談到計算機視覺未來的發(fā)展趨勢，黃飛躍表示優(yōu)圖將緊跟行業(yè)產(chǎn)業(yè)的趨勢，目前他比較關(guān)注的是 5G，5G 將使流量帶寬越來越大，手機終端計算能力越來越強，多媒體的處理、短視頻也可能出現(xiàn)更豐富的表現(xiàn)形式。另外，AR/VR、短視頻等也將成為計算機視覺應(yīng)用較多的場景。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
