即將在6月美國鹽湖城舉行的計(jì)算機(jī)視覺頂級(jí)會(huì)議CVPR 2018，騰訊優(yōu)圖的其中兩篇入選論文，由于其較高的應(yīng)用價(jià)值，受到學(xué)術(shù)界和產(chǎn)業(yè)界的關(guān)注。

作為計(jì)算機(jī)視覺領(lǐng)域最高級(jí)別的會(huì)議之一的CVPR，其論文集通常代表著計(jì)算機(jī)視覺領(lǐng)域最新的發(fā)展方向和水平。

騰訊優(yōu)圖多篇論文被CVPR2018收錄，其中基于尺度迭代深度神經(jīng)網(wǎng)絡(luò)的圖像去模糊算法（“Scale-recurrentNetwork for Deep Image Deblurring”），介紹了AI技術(shù)在處理非特定場(chǎng)景圖片去模糊中的應(yīng)用，和通過Facelet-Bank進(jìn)行快速肖像處理（Facelet-BankforFastPortraitManipulation），介紹了用AI技術(shù)快速處理肖像的應(yīng)用，這兩項(xiàng)技術(shù)，解決了長期困擾圖片處理中的一些難題，因?yàn)闃O大的應(yīng)用價(jià)值而受到產(chǎn)業(yè)界和關(guān)注。

解密運(yùn)動(dòng)模糊：走向?qū)嵱玫姆翘囟▓?chǎng)景圖片去模糊技術(shù)

在慢速曝光或快速運(yùn)動(dòng)拍攝照片時(shí)，圖像模糊常常困擾著照片拍攝者。優(yōu)圖實(shí)驗(yàn)室的研究人員開發(fā)了可以恢復(fù)模糊圖像的有效新算法。

在此之前，圖像去模糊一直是圖像處理中困擾業(yè)界的難題。 圖像模糊產(chǎn)生的原因可能非常復(fù)雜。比如，相機(jī)晃動(dòng)，失焦，拍攝物體高速運(yùn)動(dòng)等等?，F(xiàn)有的圖片編輯軟件中的工具通常不盡如人意，例如，Photoshop CC中的“相機(jī)抖動(dòng)還原”工具，只能處理簡單的相機(jī)平移抖動(dòng)模糊。 這種類型的模糊在計(jì)算機(jī)視覺業(yè)內(nèi)被稱為“均勻模糊”。而大部分模糊圖片并不是“均勻模糊”的，因而現(xiàn)有圖片編輯軟件的應(yīng)用十分有限。

模糊的照片

去模糊后的照片

騰訊優(yōu)圖實(shí)驗(yàn)室的新算法，可以處理非特定場(chǎng)景中的圖片模糊。算法基于一種被稱為“動(dòng)態(tài)模糊”的模糊模型假設(shè)。它為每個(gè)像素的運(yùn)動(dòng)單獨(dú)建模，因而可以處理幾乎所有類型的運(yùn)動(dòng)模糊。比如，上圖中，由于相機(jī)抖動(dòng)而產(chǎn)生的平移和旋轉(zhuǎn)，每個(gè)人物的運(yùn)動(dòng)軌跡都不相同。經(jīng)過騰訊優(yōu)圖實(shí)驗(yàn)室的新算法處理后，圖片已經(jīng)恢復(fù)到幾乎完全清晰，甚至背景中的書籍上的字也清晰可辨。

據(jù)騰訊優(yōu)圖實(shí)驗(yàn)室的研究員介紹，騰訊優(yōu)圖采用的方法采用的基本技術(shù)是深度神經(jīng)網(wǎng)絡(luò)。在經(jīng)歷了對(duì)數(shù)千對(duì)模糊/清晰的圖像組的處理訓(xùn)練后，強(qiáng)大的神經(jīng)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)了如何將模糊的圖像結(jié)構(gòu)清晰化。

盡管使用神經(jīng)網(wǎng)絡(luò)進(jìn)行圖片去模糊并不是一個(gè)新想法，但騰訊優(yōu)圖實(shí)驗(yàn)室別出心裁的將物理直覺結(jié)合進(jìn)來以促進(jìn)模型訓(xùn)練。在騰訊優(yōu)圖實(shí)驗(yàn)室新算法的論文中，其網(wǎng)絡(luò)模仿了一種被稱為“由粗到精”的成熟的圖像恢復(fù)策略。該策略首先將模糊圖像縮小成多種尺寸，然后從比較容易恢復(fù)的較小而偏清晰的圖像出發(fā)，逐步處理更大尺寸的圖片。每一步中產(chǎn)生的清晰圖像則可以進(jìn)一步引導(dǎo)更大的圖像的恢復(fù)，降低了網(wǎng)絡(luò)訓(xùn)練的難度。

AI肖像藝術(shù)家：以干凈優(yōu)雅的方式快速處理人像屬性

修改人像照片中的臉部屬性（不僅是美化）非常困難。藝術(shù)家通常需要對(duì)人像做很多層面上的處理才能使得修改后的圖像自然美觀。 AI可以接管這些復(fù)雜的操作嗎？

來自賈佳亞教授領(lǐng)導(dǎo)的騰訊優(yōu)圖實(shí)驗(yàn)室的研究人員提出了“自動(dòng)人像操縱”的最新模型。借助此模型，用戶只需簡單地提供所需效果的高級(jí)描述，模型就會(huì)根據(jù)命令自動(dòng)呈現(xiàn)照片，例如，使他變年輕/變老等。

完成這項(xiàng)任務(wù)，面臨的主要挑戰(zhàn)是，無法收集到“輸入-輸出”的樣本用于訓(xùn)練。因此，無監(jiān)督學(xué)習(xí)中流行的“生成對(duì)抗”網(wǎng)絡(luò)通常用于此任務(wù)。然而，優(yōu)圖團(tuán)隊(duì)提出的這種方法并不依賴于生成對(duì)抗網(wǎng)絡(luò)。它通過生成帶噪聲的目標(biāo)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。由于深度卷積網(wǎng)絡(luò)的去噪效果，其網(wǎng)絡(luò)的輸出甚至優(yōu)于所學(xué)習(xí)的目標(biāo)。

“生成對(duì)抗網(wǎng)絡(luò)是一個(gè)強(qiáng)大的工具，但它很難優(yōu)化，我們希望找到更簡單的方法來解決這個(gè)問題，我們希望這項(xiàng)工作不僅能減輕藝術(shù)家的負(fù)擔(dān)，還能減輕訓(xùn)練模型的工程師的負(fù)擔(dān)?！彬v訊的研究人員說。

據(jù)介紹，該模型的另一個(gè)吸引人的特點(diǎn)是它支持局部模型更新，也就是說，當(dāng)切換不同的操作任務(wù)時(shí)，只需要替換模型的一小部分。這對(duì)系統(tǒng)開發(fā)人員十分友好。而且，從應(yīng)用層面，也使得應(yīng)用可以“增量更新”。

即使相片中的人臉沒有裁剪并且很好地對(duì)齊，該模型也可以隱式地參加正確的面部區(qū)域。在很多情況下，用戶僅僅將原始照片輸入給模型就足以產(chǎn)生高質(zhì)量的結(jié)果。甚至將視頻一幀一幀地輸入模型中，也可以處理整段視頻中人臉的屬性。

附：除以上兩篇，騰訊優(yōu)圖實(shí)驗(yàn)室其余入選CVPR2018的文章簡介

1、ReferringImageSegmentationviaRecurrentRefinementNetworks

通過循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行指定圖像指定區(qū)域的語義分割

根據(jù)自然語言的描述來分割圖片的指定區(qū)域是一個(gè)充滿挑戰(zhàn)的問題。此前的基于神經(jīng)網(wǎng)絡(luò)的方法通過融合圖像和語言的特征進(jìn)行分割，但是忽略了多尺度的信息，這導(dǎo)致分割結(jié)果質(zhì)量不高。對(duì)此，我們提出了一種基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的模型，在每一次迭代過程中加入底層卷積神經(jīng)網(wǎng)絡(luò)的特征來使得網(wǎng)絡(luò)可以逐漸捕獲圖片不同尺度下的信息。我們可視化了模型的中間結(jié)果并且在所有的相關(guān)公開數(shù)據(jù)集中都達(dá)到了最佳水平。

2、Weakly SupervisedHuman Body Part Parsing via Pose-Guided Knowledge Transfer

通過由姿態(tài)引導(dǎo)的知識(shí)遷移進(jìn)行弱監(jiān)督及半監(jiān)督的人體部位分割

人體部位解析，或稱人類語義部位分割，是許多計(jì)算機(jī)視覺任務(wù)的基礎(chǔ)。在傳統(tǒng)的語義分割方法中，我們需要提供手工標(biāo)注的標(biāo)簽，以便使用全卷積網(wǎng)絡(luò)（FCN）進(jìn)行端到端的訓(xùn)練。雖然過去的方法能達(dá)到不錯(cuò)的效果，但它們的性能高度依賴于訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量。

在本文中，我們提出了一種獲得訓(xùn)練數(shù)據(jù)的新方法，它可以使用容易獲得的人體關(guān)鍵點(diǎn)的數(shù)據(jù)來生成人體部位解析數(shù)據(jù)。我們的主要想法是利用人類之間的形態(tài)相似性，將一個(gè)人的部位解析結(jié)果傳遞給具有相似姿勢(shì)的另一個(gè)人。使用我們生成的結(jié)果作為額外的訓(xùn)練數(shù)據(jù)，我們的半監(jiān)督模型在PASCAL-Person-Part數(shù)據(jù)集上優(yōu)于強(qiáng)監(jiān)督的方法6個(gè)mIOU，并且達(dá)到了最好的人類部位解析結(jié)果。我們的方法具有很好的通用性。它可以容易地?cái)U(kuò)展到其他物體或動(dòng)物的部位解析任務(wù)中，只要它們的形態(tài)相似性可以由關(guān)鍵點(diǎn)表示。我們的模型和源代碼將在之后公開。

3、Learning DualConvolutional Neural Networks for Low-Level Vision

基于雙層卷積神經(jīng)網(wǎng)絡(luò)處理低層視覺的方法

本文提出了一個(gè)雙層卷積神經(jīng)網(wǎng)絡(luò)來處理一些低層視覺問題，比如圖像超分辨率、保邊緣的圖像濾波、圖像去雨、圖像去霧等。這些低層視覺問題通常涉及到目標(biāo)結(jié)果的結(jié)構(gòu)和細(xì)節(jié)部分的估計(jì)。受此啟發(fā)，本文提出的雙層卷積神經(jīng)網(wǎng)絡(luò)包含兩個(gè)分支，其中這兩個(gè)分支可端到端的估計(jì)目標(biāo)結(jié)果的結(jié)構(gòu)和細(xì)節(jié)信息?；诠烙?jì)的結(jié)構(gòu)和細(xì)節(jié)信息，目標(biāo)結(jié)果可分別通過特定問題的成像模型來得到。本文所提出的雙層卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)一般性的框架，它可以利用現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)來處理相關(guān)低層視覺問題。大量的實(shí)驗(yàn)結(jié)果表明，本文所提出的雙層卷積神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于大多數(shù)低層視覺問題，并取得了較好的結(jié)果。

4、GeoNet:GeometricNeuralNetworkforJointDepthandSurfaceNormalEstimation

GeoNet：通過幾何神經(jīng)網(wǎng)絡(luò)進(jìn)行聯(lián)合的深度和平面法向量估計(jì)

在這篇論文中，我們提出了幾何神經(jīng)網(wǎng)絡(luò)，用于同時(shí)預(yù)測(cè)圖片場(chǎng)景的深度和平面法向量。我們的模型基于兩個(gè)不同卷積神經(jīng)網(wǎng)絡(luò)，通過對(duì)幾何關(guān)系的建模來循環(huán)迭代更新深度信息和平面法向量信息，這使得最后的預(yù)測(cè)結(jié)果有著極高的一致性和準(zhǔn)確率。我們?cè)贜YU數(shù)據(jù)集上驗(yàn)證了我們提出的幾何神經(jīng)網(wǎng)絡(luò)，實(shí)驗(yàn)結(jié)果表明我們的模型可以精確預(yù)測(cè)出幾何關(guān)系一致的深度和平面法向量。

5、Path AggregationNetwork for Instance Segmentation

通過路徑聚合網(wǎng)絡(luò)進(jìn)行實(shí)例分割

在神經(jīng)網(wǎng)絡(luò)中，信息傳遞的質(zhì)量是非常重要的。在本文中，我們提出了路徑聚合神經(jīng)網(wǎng)絡(luò)，旨在提升基于區(qū)域的實(shí)例分割框架中信息傳遞的質(zhì)量。具體來講，我們構(gòu)建了自下而上的通路來傳遞儲(chǔ)存在低層神經(jīng)網(wǎng)絡(luò)層中精確的定位信息，縮短了底層網(wǎng)絡(luò)和高層網(wǎng)絡(luò)之間的信息傳輸距離，增強(qiáng)了整個(gè)特征層級(jí)的質(zhì)量。我們展示了適應(yīng)性特征池化，它連接了區(qū)域特征與所有的特征層級(jí)，進(jìn)而使得所有有用的信息都能夠直接傳遞到后面的區(qū)域子網(wǎng)絡(luò)。我們?cè)黾恿艘粋€(gè)互補(bǔ)的分支去捕捉每個(gè)區(qū)域不同的特性，最終提升了掩膜的預(yù)測(cè)質(zhì)量。

這些改進(jìn)十分易于實(shí)現(xiàn)，而且增加了較少的額外計(jì)算量。這些改進(jìn)幫助我們?cè)?017 COCO實(shí)例分割競(jìng)賽中取得第一名，在物體檢測(cè)競(jìng)賽中取得第二名。而且我們的方法也在MVD和Cityscapes數(shù)據(jù)集中取得最好成績。

6、FSRNet:End-to-EndLearningFaceSuper-ResolutionwithFacialPriors

FSRNet:基于先驗(yàn)信息的端到端訓(xùn)練的人臉超分辨率網(wǎng)絡(luò)

本文由騰訊優(yōu)圖實(shí)驗(yàn)室與南京理工大學(xué)主導(dǎo)完成，并入選Spotlight文章。人臉超分辨率是一個(gè)特定領(lǐng)域的超分辨率問題，其獨(dú)特的人臉先驗(yàn)信息可以用來更好超分辨率人臉圖像。本文提出一種新的端到端訓(xùn)練的人臉超分辨率網(wǎng)絡(luò)，通過更好的利用人臉特征點(diǎn)熱度圖和分割圖等幾何信息，在無需人臉對(duì)齊的情況下提升非常低分辨率人臉圖像的質(zhì)量。具體來說，本文首先構(gòu)造一個(gè)粗粒度超分網(wǎng)絡(luò)恢復(fù)一個(gè)粗精度的高分辨率圖像。其次把該圖像分別送入一個(gè)細(xì)粒度超分編碼器和一個(gè)先驗(yàn)信息估計(jì)網(wǎng)絡(luò)兩條分支。細(xì)粒度超分編碼器抽取圖像特征，而先驗(yàn)網(wǎng)絡(luò)估計(jì)人臉的特征點(diǎn)和分割信息。最后兩條分支的結(jié)果匯合送入一個(gè)細(xì)粒度超分解碼器重構(gòu)出最終的高分辨率圖像。

為了進(jìn)一步生成更真實(shí)的人臉，本文提出人臉超分辨率生成對(duì)抗網(wǎng)絡(luò)，將對(duì)抗思想融入超分網(wǎng)絡(luò)中。另外，我們引入人臉對(duì)齊和人臉分割兩種相關(guān)任務(wù)，作為人臉超分的新的評(píng)估準(zhǔn)則。這兩種準(zhǔn)則克服了傳統(tǒng)準(zhǔn)則（比如PSNR/SSIM）在數(shù)值和視覺質(zhì)量不一致的問題。大量實(shí)驗(yàn)顯示，本文提出的方法在處理非常低分辨率人臉圖像時(shí)，在數(shù)值和視覺質(zhì)量兩方面都顯著優(yōu)于以往超分方法。

7、Generative AdversarialLearning Towards Fast Weakly Supervised Detection

基于生成對(duì)抗學(xué)習(xí)的快速弱監(jiān)督目標(biāo)檢測(cè)

該論文提出一種面向快速弱監(jiān)督目標(biāo)檢測(cè)的生成對(duì)抗學(xué)習(xí)算法。近年來弱監(jiān)督目標(biāo)檢測(cè)領(lǐng)域有著大量的工作。在沒有人工標(biāo)注包圍盒的情況下，現(xiàn)有的方法大多是多階段流程，其中包括了候選區(qū)域提取階段。這使得在線測(cè)試的速度比快速有監(jiān)督目標(biāo)檢測(cè)（如SSD、YOLO等）慢一個(gè)數(shù)量級(jí)。該論文通過一種新穎的生成對(duì)抗學(xué)習(xí)算法來加速。在這過程中，生成器是一個(gè)單階段的目標(biāo)檢測(cè)器，引入了一個(gè)代理器來挖掘高質(zhì)量的包圍盒，同時(shí)用判別器來判斷包圍盒的來源。最后算法結(jié)合了結(jié)構(gòu)相似損失和對(duì)抗損失來訓(xùn)練模型。實(shí)驗(yàn)結(jié)果表明該算法取得了明顯的性能提升。

8、GroupCap: Group-based Image Captioning with Structured Relevance andDiversity Constraints

基于組群的帶結(jié)構(gòu)化相關(guān)性和差異性約束的圖像自動(dòng)描述

該論文提出了一種基于組群圖像結(jié)構(gòu)化語義關(guān)聯(lián)性分析的圖像自動(dòng)描述方法（GroupCap），對(duì)圖像間的語義相關(guān)性和差異性進(jìn)行建模。具體而言，該論文首先利用深度卷積神經(jīng)網(wǎng)絡(luò)提取圖像的語義特征并利用提出的視覺解析模型構(gòu)建語義關(guān)聯(lián)結(jié)構(gòu)樹，然后在結(jié)構(gòu)樹基礎(chǔ)上采用三聯(lián)損失和分類損失對(duì)圖像間語義關(guān)聯(lián)性（相關(guān)性和差異性）進(jìn)行建模，最后將關(guān)聯(lián)性作為約束來引導(dǎo)深度循環(huán)神經(jīng)網(wǎng)絡(luò)生成文本。該方法新穎且有效，很好解決了當(dāng)前圖像自動(dòng)描述方法對(duì)于生成結(jié)果精確度不高且判別性不強(qiáng)的缺陷，并在圖像自動(dòng)描述的多項(xiàng)指標(biāo)上取得較高的性能。