原标题：微软新型AI算法助力修复老旧照片，微美全息AR+AI人脸识别加速智慧城市场景融合 来源：大众新闻
近年来,利用人工智能算法辅助修复的技术也多了起来。近期,微软就推出了一种新算法,据说能提高修复效率。微软研究院团队 Ziyu Wan、Bo Zhang等人开发了一种新的基于AI的算法,用于通过深度学习方法恢复遭受严重毁坏的老旧照片。
与可以通过监督学习解决的常规还原任务不同,真实照片的毁坏很复杂,并且合成图像和真实旧照片之间的域间隙使网络无法运用。
这项新技术通过利用真实照片和大量合成图像配对,架构一种新的三重态域翻译网络。具体来说,他们训练两个变体自动编码器(VAE)将旧照片和干净照片分别转换为两个潜在空间。并使用合成配对数据学习这两个潜在空间之间的转换。
由于域间隙在紧凑的潜伏空间中是封闭的,因此这种转换可以很好地推广到真实照片。为了解决一张旧照片中混合的多种退化问题,他们设计了一个全局分支,该分支具有针对结构化缺陷(例如划痕和灰尘斑点)的非局部块,以及针对非结构化缺陷(例如噪声和模糊度)的局部分支。两个分支融合在潜在空间中,从而提高了从多个缺陷还原旧照片的能力。提出的方法在恢复旧照片的视觉质量方面优于最先进的方法。
一般来说,人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。系统输入一般是一张或者一系列含有未确定身份的人脸图像,以及人脸数据库中的若干已知身份的人脸图象或者相应的编码,而其输出则是一系列相似度得分,表明待识别的人脸的身份。
传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。
迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。
近几年人脸识别市场应用范围逐渐扩大,形成巨大的市场空间,随着人脸识别技术的不断改进已经相对成熟,其应用领域从开始的门禁/考勤领域,到目前应用与金融、安防反恐、教育、社交娱乐、设备、交通、智能商业等领域,应用范围逐渐扩大。
人脸识别的应用趋势上也将由2D向3D转变,更精准更便捷。起初,人脸识别技术使用2D识别,但由于2D人脸识别容易受到姿态、光照、表情等因素影响,识别率不够理想,因此全息3D的人脸识别应运而生。相比较而言,全息3D人脸识别技术不仅识别率高,且在使用方便性上也将远远高于2D人脸识别。
作为全息视觉领域的领军者,微美全息(WIMI.US)已成长为中国领先的全息云综合技术方案提供商之一,公司提供从全息视觉AI合成与呈现、全息互动软件开发、全息AR广告投放、全息AR SDK支付、5G全息通讯软件开发到全息人脸识别等全息AR技术的一站式服务,商业应用场景主要聚集在家用娱乐、光场影院、演艺系统、商业发布系统及广告展示系统等五大专业领域。
微美全息开发的全息人脸识别系统,能够像人眼一样直观地识别,将是世界上第一款快速、准确的人脸三维识别设备。鉴别时间只需要一秒钟,走路时甚至跑过去,只需在设备上恍一眼,它就会鉴别其身份是否是以前注册过的,系统对每个人的注册时间只需2秒。不需要任何直接的物理接触,也不需要在识别装置前面的精确定位,且无论他们是什么年龄或身高。全息人脸识别系统类似于人眼,配备一个3D视觉系统,采集的人脸三维模型。能够分辨出的几何精度可达五分之一毫米,即使是同卵双胞胎也能够分辨,全息人脸识别系统是目前市场上上最精确的生物识别设备系统之一。
全息人脸识别系统应用专门的全息扫描技术,使用结构光的方法,可以快速准确地采集物体表面(深度)的三维模型,不受环境光影响,识别更精准。同时带有纹理的摄像头、宽视场的三维传感器能同步的捕捉物体表面的形状和材质、色彩。有了这个系统,物体的三维模型可以在快照模式或视频模式下获得的。
微美全息将为各领域提供完整的解决方案和SDK,使用产品需支付一定的技术服务费和售后服务费。收费模式分为按项目收费、按调用次数收费、按年收费、设备相关按出货量每台收取技术费、监控方面按照视频路数收费等收费方式进行营利。可广泛应用于门禁系统、家具、商务办公、监狱、机场、海关码头、火车站、汽车站、考场入口、公证处、车管所、各种重点实验室、重点办公区域、银行和证券等需要精准安全识别的情景系统管理。
面部识别技术,是基于人的脸部特征信息进行身份识别的一种生物识别技术。利用摄像设备采集人面部图像或者是视频,通过提取其中的关于面部图像特征,与数据库中存储的特征模板进行搜索匹配,当相似度超过设定阈值就会输出匹配成功,反之输出匹配失败结果。人脸识别是基于数字图像处理,数字图像处理一直都是比较前沿的研究方向。数字图像处理技术的后期就会发展为人工智能 (AI)。
微美全息构筑高性能异构分布式云平台,分布式深度学习平台支持深度学习模型与算法的定制扩展,支持大量通用CPU、GPU或者CPU、GPU混合分布式运算。
深度学习大规模训练系统,深度学习大规模训练系统由WIMI自主开发,支持多机器多GPU分布式深度学习模型训练,支持千亿级参数的模型,上亿类别的大规模分类。行业领先的内存优化和通信优化技术,数百块GPU联合训练,极大提升了公司训练和迭代模型的速度。
异构高性能超算平台,计算能力是驱动当前一轮人工智能热潮的重要力量,高性能异构计算平台,拥有超过6000块高性能GPU,多个计算集群,中央统一存储,轻量级虚拟化,给公司研究人员提供源源不断的计算能力的支持。
高性能异构基础算法库,高性能算法库包含了深度神经网络在内的各种机器学习算法与数学和图像处理算法。相对于行业内开源平台库,带来2-5倍的性能提升。支持主流的云端、个人电脑、移动端和嵌入式端硬件平台。支持多种系统平台,如 Linux、Android、iOS和Windows等。
随着5G全息通讯网络带宽条件变化,5G全息应用市场将迎来爆发,全息互动娱乐、全息会议、全息发布会等高端应用逐步向全息社交、全息通讯、全息导航、全息家庭应用等方向普及。微美全息云计划基于全息AI人脸识别技术和全息AI人脸换脸技术为核心技术,用多个技术创新的系统支持全息云平台服务和5G通讯全息应用。
除此,人工智能技术可产业化的方向较多。目前计算机视觉技术与智能语音识别技术都在金融、教育、医疗等众多领域得到了应用。随着人工智能技术的进一步发展和落地,深度学习、数据挖掘、自动程序设计等领域也将在更多的应用场景中得到实现,人工智能技术产业化发展前景向好。
