10月16日至10月18日，由中国自动化学会 （CAA）、中国图象图形学学会（CSIG）、中国人工智能学会（CAAI）和中国计算机学会（CCF）联合主办的第三届中国模式识别与计算机视觉大会（PRCV 2020）在南京完美落幕。作为PRCV 2020特邀企业之一，腾讯优图实验室高级研究员在大会特邀企业论坛上发表了以《腾讯优图实验室近期人脸分析领域的研究与应用》主题的演讲，与参会专家、学者和业界代表就优图在人脸分析方向的研究与落地成果进行了交流、分享。
深耕视觉AI领域，多项研究取得突破
人脸分析是人工智能的重要研究领域，也是腾讯优图的核心技术之一。在今年的ECCV中， 腾讯优图共有8篇论文被收录，涵盖目标跟踪、行人重识别、人脸识别、人体姿态估计、动作识别、物体检测等热门及前沿领域，再次展示了腾讯在计算机视觉领域的科研及创新实力。此次PRCV上，优图研究员邰颖对其中五篇论文研究成果进行了重点分享。
腾讯优图实验室高级研究员邰颖 现场演讲
一是链式跟踪器，是基于目标对回归的端到端联合检测跟踪算法。其算法属于业内首创两帧输入模式，可将目标检测、特征提取、目标关联这三个模块集成至单个网络中，实现端到端联合检测跟踪，是第一个将跟踪算法中的目标关联问题转化为两帧检测框对（Box pair）回归问题的算法。。
二是通过分布蒸馏损失改善人脸识别中的困难样本。目前基于深度学习的人脸识别算法已经可以较好的处理简单样本，但对于困难样本（低分辨率、大姿态等）仍表现不佳。为了提升人脸识别模型在困难样本上的性能，优图提出了一种基于分布蒸馏的损失函数。通过分布蒸馏损失函数使Student分布靠近Teacher分布，从而减小Student分布中的同人样本和非同人样本的相似度重合区域，提高困难样本的识别性能。
三是基于特征解耦的人脸活体检测。邰颖指出，活体检测技术用于在身份验证场景中确定对象是否为真人，以防御照片、面具、屏幕翻拍等多种方式的攻击，保证人脸识别安全。腾讯优图提出了解耦学习框架，将活体特征和内容特征通过合适的约束和监督解耦，同时可视化了LBP纹理特征图，进一步促进活体特征的解耦。
四是基于风格跳跃连接的人脸属性编辑，通过修改通道层面的全局信息(风格特征)来解决忽略全局的人脸统计信息的问题。该方法可以得到在属性生成准确率和图像质量上都更好的结果。实验结果表明优图的算法和现有的所有方法相比都有优越性。
五是基于对抗语义数据增强的人体姿态估计，他认为，目前的SOTA方法在严重遮挡、旁人干扰、对称相似三种困难场景中表现仍有待提升。而优图提出的一种Adversarial Semantic Data Augmentation（对抗语义数据增强方法），则是针对这些人体部件在不同的细粒度上进行重组，从而去模拟出严重遮挡、旁人干扰、对称相似三种困难场景。而人体姿态估计网络从这个对抗过程中也不断提升了自己对困难场景的预测准确性。
聚焦AI技术场景落地，不断探索应用新领域
日趋成熟的AI产业，正在逐渐成为新一轮科技革命的核心驱动力，让新产品新技术进步有了更大更丰富的想象空间。邰颖表示，腾讯优图实验室在研究AI技术之初，就专注于技术落地，让技术与场景不断结合碰撞。同时，邰颖在现场分享了腾讯优图在人脸编辑生成方向的几大创新实践案例。
在人像分割和虚拟背景方面，优图通过二分类高精度分割能力，可将不同人种、手势、复杂光线等不同场景进行高精度分割。该技术在腾讯会议产品中进行了应用，以极小的性能消耗，保障了稳定、精确的视频分割效果，为联合国大会、VALSE2020等重要会议活动提供了支持。
在人像融合方面，优图依托自研的DittoGAN生成框架，在融合中更好地保持用户的ID信息和模版属性信息。同时还支持多样化的模版风格，包括真人、动漫、游戏等。腾讯云在毕业季推出的云毕业照，以及深圳40周年的“深”份证活动等，背后都有优图人像融合能力的技术支持。
在年龄演化方面，腾讯优图与手机QQ、腾讯微视合作推出的六一儿童节特效滤镜，将“变童年”特效拓展至全年龄生成，并支持连续年龄演化，让你一键“萌萌哒”。更有人像动漫化能力通过腾讯云对外开放，实现跨领域等多种变化的人像转换，为大众带来更有趣丰富的娱乐体验。
作为腾讯公司旗下顶级人工智能实验室，腾讯优图实验室聚焦计算机视觉，专注人脸识别、图像识别、OCR等领域开展技术研发和行业落地，在推动产业数字化升级过程中，优图始终专注基础研究、产业落地两条腿走路的发展战略，与腾讯云与智慧产业深度融合，挖掘客户痛点，切实为行业降本增效。在未来，腾讯优图也将继续深耕于AI技术，并将找到更多的应用场景和应用空间，让更多的用户享受到科技带来的红利。
