视觉生产技术探究和应用

概念理解

定义

通过一个或一系列视觉过程，产出新的视觉表达，是人或机器能够感知的图像视频，而不是标签或特征。

分类

• 生成:从0到1

• 拓展:从1到N

• 摘要:从N到1

• 升维:从An到An+ 1

• 增强/变换：从A到B

• 插入/合成：A+B=C

• 擦除：A-B=C

通用基础框架

五个关键维度

1.可看（满足视觉/美学表现）

2.合理（合乎语义/内容逻辑）

3.多样（保证结果的丰富性）

4.可控（提供用户预期的抓手）

5.可用（带来用户/商业价值）

精细理解

分割抠图

1. 识别：能知道图片中物体，知道物体是什么。
2. 检测：能识别，还要能知道在哪个区域。
3. 分割：识别、检测、并知道每一个像素是什么，能将区域完整切割分离。

难点

1. 复杂背景

2. 遮挡

3. 发丝精抠（图像中毛发等细微处

4. 边缘反色

5. 透明材质（图像中玻璃等

6. 多尺度/目标

7. 数据严重不足，标注成本高

解题思路
Semantic Segmentation（语义分割）

Instance Segmentation（实例分割）

Image Matting（抠图）

思路：1.复杂问题拆解：粗mask估计+精准matting
2.丰富数据样本：设计图像mask统一模型

模型框架

Step1：mask粗分割

Step2：mask质量统一

Step3：估计精确alpha

视觉生成

框架流程

1.理需求

2.定草图

3.选状态

4.调细节

5.生成图

6.评好坏

视觉编辑

视频植入作用

• 挖掘视频核心价值

• 扩大植入覆盖范围

• 提升植入效果效率

关键点

（广告等）植入位检测与定位

动态检测分割

视频内容擦除

文字擦除

Logo擦除

画幅变化（缩放

图像尺寸变化

视觉增强

• 视频增强

• 人脸修复增强

• 渲染图超分

• 视频插帧

• HDR色彩扩展

• 风格迁移

• 颜色拓展

视觉制造

实体设计制造

缺点

• 效率低：多次打样，多次沟通（服装设计平均30天）

• 协同差：设计、营销、生成脱节、倒置

• 定制难：无法实现柔性生产

核心逻辑

包装几何生成

服装几何生成

材质工艺

多样性拓展

2D3D融合

应用平台

鹿班

鹿班是视觉生成领域在业界落地的先行者，对外提供大规模在线的AI设计服务

AlibabaWood

AI生成商品短视频，能做到剧本生成、智能文案生成、自动剪辑、智能音乐推荐。

阿里云视觉开放平台

提供高易用、普惠的视觉API服务