艺术滤镜视频来了！腾讯人工智能首创深度网络学习视频

18周年庆当天，腾讯野生智能尝试室（AI Lab）初次公布深度收集进修视频案例——《芳华恐惧，激动没有行》庆死视频的艺术滤镜版本。

主动播铺开闭 主动播放

腾讯18周年视频艺术滤镜

正正在减载...

< >

本年风行业界的Prisma和每天P图的“潮爆艺术绘”，可以将用户拍摄的照片变更成指定的气势派头。它不单单是一个简朴的图象滤镜操纵，它付与深度神经收集进修随便艺术气势派头的才能，而且可以使用到随便的输进图象中，是以深度进修为代表的AI手艺正在艺术上的立异。

视频是将来互联网上最多的流量载体。“将来 70%、80% 的流量能够皆出自视频”。 正在图象气势派头变更惹起发作性存眷以后，一系列的公司，比如Aristo， Prisma, Philm等皆开端散焦短视频的气势派头变更，包罗对 AI一贯深切存眷的 Facebook 也将推出视频气势派头变更手艺（智妙手机挪动端）。

将气势派头变更手艺由图象背视频拓展最为间接的方法便是利用图象气势派头变更的手艺逐帧完成视频的变更，可是如许很易包管视频帧间气势派头的分歧性。为此Ruder 等人提出了一种迭代式的做法[1]，经由过程帧间的活动疑息去束缚视频的气势派头变更。可是这类办法正在施行图象天生的时分庞大度很下，耗时很少。

因而，怎样构建有用的深度进修模子去进修视频的空间域和工夫域的特征以完成视频气势派头变更是教术界和产业界一个主要的研讨课题。那个深度进修模子需求：1，正在空间域上能够将名绘元素有用的提掏出去并进修使用；2，正在工夫域上连结变更气势派头的工夫分歧性（temporal consistency）；3，包管计较的下效性以撑持更多的实践使用场景。那也是包罗Facebook战Stanford University等业界抢先的研讨团队比力存眷的研讨课题。

可是迄古，业界的研讨团队仍旧出有很好的深度进修模子战下服从（照实时）的处理计划。Stanford University的Justin Johnson (利用前背收集完成图象气势派头变更的做者[2]) 也道到“将前背收集取基于光流的工夫分歧性分离是一个开放性的课题”，他自己以为这类分离是能够的，可是没有分明业界能否有人曾经完成，，并且也没有太肯定这类分离的准确方法。

针对视频气势派头变更的手艺易面，腾讯AI Lab正在业界领先构建了深度神经收集将气势派头变更的前背收集取视频时空分歧性分离起去，下效的完成下量量的视频气势派头变更。腾讯AI Lab设想了共同的深度神经收集，正在锻炼的过程当中，利用了年夜范围、多场景、多特性的视频数据（数千小时）和响应的气势派头图象，一圆里进修空间域的气势派头变更特性（正在连结本有视频内乱容的根底上引进给定图象的气势派头），另外一个圆里捕获视频帧之间极端庞大多变的时域特征（发生的气势派头视频相邻帧之间的时空内乱容取气势派头分歧）。

更主要的是，腾讯 AI Lab借提出了一种针对视频数据的共同锻炼历程，使得我们的深度神经收集可以更好天捕获视频工夫域上的分歧性疑息。正在气势派头视频天生阶段，不消做任何预处置战后处置，将输进视频正在气势派头变更收集长进止一次前背传布，及时输出气势派头化的视频。同时，为了满意线上需求，腾讯AI Lab也发掘了模子的深度、宽度对输出量量的影响，并基于此对模子停止紧缩且输出量量出有肉眼可睹丧失。颠末劣化后的深度模子，曾经可以正在脚机客户端做到针对摄像头数据的及时处置，将用户拍摄的视频绘里及时停止气势派头变更。

做为腾讯AI Lab正在将AI手艺取腾讯用户需供相分离的测验考试，视频气势派头变更利用的深度模子领先处理了前背收集取视频时空分歧性分离的困难。那使我们有来由信赖更多的AI手艺也可以使用到各种场景下的数据上里（图象/视频，文本，语音等）。

做为腾讯新建立的研讨部分，腾讯AI Lab安身于腾讯的年夜数据战争台，努力于开辟新的AI手艺，探究新使用战新营业，将AI手艺融进产物，满意亿万互联网用户的需供。

天下总裁网开告诉乎机构账号了！您敢翻牌，我便敢问，正在知乎等您。

保举：存眷“AI世代”微旌旗灯号（tencentAI），复兴“麦肯锡”可得到《2030年出止市场会怎样？》；复兴“创业陈述”，可得到好国《AI创业指北》；复兴“斯坦祸”，可得到《2030年的野生智能取糊口》。复兴“利剑宫”，可得到利剑宫《好国AI计谋陈述》。