“腾讯优亮相PRCV2020，展示人脸拆析最新研究与落地成果”

深耕视觉ai行业，许多研究取得了突破

分解人脸是人工智能的重要研究行业，也是腾讯优图的核心技术之一。 今年的ECV收录了8篇涵盖目标跟踪、行人重新识别、人脸识别、人体姿态估计、动作识别、物体检测等热门和前沿行业的论文，再次展示了腾讯在计算机视觉行业的科研和创新力。 在这次的prcv中，优图研究员邹颖就其中5篇论文研究成果分享了要点。

腾讯优图实验室高级研究员郝颖的现场演讲

一种是链式跟踪装置，是基于目标对回归的端到端联合检测跟踪算法。 其算法是业界首创的双帧输入模式，可以将目标检测、特征提取、目标相关性三个模块集成到一个互联网中，实现端到端的联合检测跟踪，将跟踪算法中的目标相关问题变为双帧检测框架 。

二是通过分布蒸馏损失来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可以很好地解决简单的样本，但对困难的样本(低分辨率、大姿态等)还没有很好地发挥作用。 为了提高人脸识别模型在困难样本中的性能，优图提出了基于分布蒸馏的损失函数。 通过分布蒸馏损失函数，使student分布接近teacher分布，从而减小student分布中同人样本和非人样本相似度重叠的区域，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。 郝颖指出，活体检测技术用于在认证场景中查明对象是否为真实，防止照片、口罩、截图等多种游戏的攻击，确保脸部识别的安全。 腾讯优图了解了结合学习的框架，提出通过适当的约束和监督解除生物特征和拷贝特征的结合，并且将lbp纹理特征图可视化，进一步促进生物特征的解除结合。

第四，根据风格跳跃连接的面部属性，通过创建渠道层面的全球新闻(风格特征)，处理忽视全球面部统计新闻的问题。 该方法在属性生成精度和画质方面可以得到更好的结果。 实验结果表明，优图的算法与现有的所有方法相比都有优势。

五是基于对抗语义数据增强的人体姿态估计，认为目前的sota做法在严重屏蔽、他人干扰、对称性相似三个困难场合仍需提高表达。 优图提出的Adversarial Semantic Data Augmentation (对抗语义数据增强方法)，与这些人体部位相比，通过以不同的细粒度进行重构，使得严重遮蔽、他人干扰、对称性相似这三个困难 人体姿势估计是互联网从这个对抗过程中提高了自己对困难场景预测的准确性。

聚焦ai技术场景落地，不断探索应用新行业

日趋成熟的ai产业正在成为新科技革命的中心推动力，新产品的新技术进步存在着更大的想象力空之间。 邹颖表示，腾讯优图实验室在研究ai技术之初，专注于技术落地，不断将技术和场景结合碰撞。 然后，邹颖在现场分享了腾讯优图在人脸生成方向上的几大创新实践案例。

在人物分割和虚拟背景下，优图通过2分类的高精度分割能力，可以高精度分割种族、手势、多而杂光等不同场景。 该技术应用于腾讯会议产品，以极小的性能消耗，保障了稳定、精确的视频分割效果，支持了联合国大会、valse等重要会议活动。

在人物融合方面，优图依托自研的dittogan生成框架，在融合中更好地维护顾客的身份新闻和模板属性新闻。 也支持照片、动画、游戏等多种模板风格。 讯云在毕业季发布的云毕业照和深圳40周年纪念活动等，背后都有优秀的人物形象和融合能力的技术支持。

在年龄进化方面，腾讯优图和手机qq、腾讯微视合作推出的儿童节特效滤镜，将童年特效扩大到全年龄生成，支持连续年龄的进化，让你萌。 而且，动画化能力通过采访向外部开放，实现了跨越行业的多样化人物形象的转换，也有人能给大众带来更为浓厚的娱乐体验。

作为腾讯企业顶级的人工智能实验室，腾讯优图实验室专注于计算机视觉，专注于人脸识别、图像识别、ocr等行业开展技术研发和领域落地，在推进产业数字化的过程中，优图始终是基础研究、产业落地两步走的。 未来，腾讯优图也将继续深耕于ai技术，找到越来越多的应用场景和应用空之间，让更多的客户享受科技带来的红利。

本文：《“腾讯优亮相PRCV2020，展示人脸拆析最新研究与落地成果”》