旷视携超画质技术亮相泰尔论坛开启AI终端新时代( 三 )_6月12日

除了智能拍照外，《白皮书》还分析指出，人像美颜也是繁荣AI应用生态的另一大应用场景。人像美颜是对人像进行美化的一种技术，包括面部分析、全局处理、局部精细化处理和美型等，从人种、性别、年龄、肤色、肤质等维度为用户提供个性化美颜。旷视AI微整形技术，能够根据海量真实人脸数据训练，结合雕塑学、人体美学、医学整形方向专家的真实体验，将对“美”的理解注入算法模型，从而实现“逆龄冻颜”和私人定制美妆，大幅度优化用户在人像拍摄方面的感受。

此外，《白皮书》也推断，未来3D传感将成为手机零部件的发展热点。因此，与之相配套的人脸解锁及支付技术将大有可为。相较于传统2D人脸识别而言，3D人脸识别可以解决在光线较差的场景下人脸进行识别及解锁困难的问题。而旷视自主研发的，以3D人脸解锁支付技术和3D人像光效能力为代表的数字化解决方案，既能保证人脸解锁的安全性，也大大提升了人脸解锁的速度，为用户带来了颠覆性的人机交互体验。目前，该数字化解决方案已用于OPPO Find X，使其具备了毫秒极速解锁和百万分之一精度的安全支付功能，并在影像环节上可基于3D面部信息进行智能打光。

当前，我国人工智能的底层技术创新也面临诸多问题和挑战。《白皮书》对此指出，从产业布局来看，我国在平台建设和芯片研发方面仍受制于美国，“尤其是平台层，人工智能的常见开发框架包括谷歌的Tensorflow、Facebook的Torch、Microsoft的CNTK以及IBM的SystemML，均来自于美国。”旷视认为，人工智能的重要推动力是以深度学习为核心的人工智能算法，而中国在进行人工智能关键技术攻关时，首先应当攻破人工智能算法壁垒，构建自主可控的AI算法引擎，这也是未来的必然趋势。对此，旷视自主研发了人工智能框架Brain++，对标谷歌TensorFlow的深度学习引擎和解决方案，能够对算法模型起到支撑训练与实现推理的重大作用，通过 MegDL 深度学习堆栈体系，构成一套高效完备的深度学习系统，可实现多卡并行和多机并行训练。经实验，通过自主研发的全栈深度学习，旷视Brain++ Engine的运行速度和资源消耗显著优于TensorFlow。这为终端领域的算法生产提供了一种可靠的“中国方案”。除旷视以外，三星和vivo也加速了自身在人工智能平台方面的布局，并在论坛上进行了相应展示。