微信邦

 找回密碼
 立即注冊

QQ登錄

只需一步,快速開始

掃一掃,訪問微社區

返回列表 發新帖
查看: 935|回復: 0
打印 上一主題 下一主題

2019年CCF-騰訊犀牛鳥基金項目課題介紹(二)——計算機視覺及模式識別

[復制鏈接]
跳轉到指定樓層
樓主
發表于 2019-5-30 22:39:59 | 只看該作者 回帖獎勵 |倒序瀏覽 |閱讀模式
生活圈制作
CCF-騰訊犀牛鳥基金由騰訊與中國計算機學會聯合發起,旨在為全球范圍內最具創新力的青年學者搭建產學研合作及學術交流的平臺,提供了解產業真實問題,接觸業務實際需求的機會,并通過連接青年學者與企業研發團隊的產學科研合作,推動雙方學術影響力的提升及應用成果的落地,為科技自主研發的探索和創新儲備能量。

本年度共設立9個重點技術方向,29項研究命題
申報截止時間:2019年6月15日24:00
上期我們介紹了智慧教育&機器學習
本文將介紹計算機視覺及模式識別
歡迎海內外青年學者關注并申報。

三、計算機視覺及模式識別
計算機視覺及模式識別技術在騰訊各項業務中有著廣泛的應用前景,近些年來也成為基金重要而穩定的命題領域之一。本年度該研究領域重點關注計算機視覺及模式識別與醫療、社交廣告、虛擬人、安防、教育、繪圖、交通等領域的交叉結合。推動研究者在圖片和視頻內容理解與應用等方面,做出更為創新和深入的研究。
3.1 人工智能在病理診斷中的關鍵技術研究

病理是疾病診斷的金標準,但是人工診斷存在主觀性高、重復度低、難以定量化等缺點。本項目旨在將人工智能與數字病理圖像分析相結合,提高病理診斷的速度和精確度,實現基于精準量化分析的診斷方式。研究方向著重于計算機視覺技術(目標識別、物體檢測、語義分割等)和深度學習技術(弱監督學習、遷移學習、對抗網絡等)在病理圖像分析上的算法開發和應用落地。具體的問題包括細胞或組織自動分割、病灶自動檢測和分類、以及免疫組化定量分析等。

建議研究方向:
1)癌癥的組織學分類、分級、分型、TNM分期,以及免疫組化定量分析的AI算法;
2)利用AI技術分析病理數據并結合其他臨床數據,對療效和治療方案進行預后預測,實現精準醫療;
3)將AI技術融入現有臨床診斷流程以及工具中。

3.2 基于條件對抗網絡的人像視頻生成

基于條件對抗網絡學習的視頻生成是目前業界和學界的新興研究熱點。研究者希望能夠通過文本、語音、參考視頻等方式,基于諸如條件對抗生成網絡等深度學習手段,精確控制人像視頻生成過程中的表情、口型、頭部姿態等。這是一項極具挑戰性和應用價值的重要課題,其成果將有助于孵化虛擬主播、虛擬偶像、遠程陪護、在線教育、交互式互動游戲等產品。

建議研究方向:
1)單一人物通過大量數據訓練建立好模型之后,如何通過few-shot learning快速遷移到新的目標人物上;
2)上肢動作與表情,口型相結合的人像視頻生成;
3)保持長發、飾品等非剛體物體在視頻生成過程中的時域連續性。


3.3 視頻場景中的廣告智能植入技術研究

當前視頻流量不斷增加,而傳統的視頻廣告由于制作成本高、周期長、形式單一、且可調整性差,缺乏與用戶之間的互動,這些都導致流量變現與用戶體驗之間很難保持平衡。本課題希望能夠通過視頻AI技術理解視頻內容,并通過兩種方式來植入廣告:
1)自動檢測合適的廣告位,并匹配合適的廣告,進行廣告的無縫植入(包括靜態平面廣告、動態平面廣告、動態立體廣告等);
2)自動識別視頻中的商品、人物、場景、文字等信息,匹配合適的廣告,以合適的方式(浮層、角標等)進行廣告推薦,讓廣告與內容互動。

建議研究方向:
1)廣告無縫植入技術研究,包括廣告位檢測(平面檢測&深度估計)、跟蹤、融合等技術;
2)綜合應用人物識別、商品識別、場景識別等技術,實現視頻大規模自動標簽技術,涵蓋商品、人物、場景、文字等信息提取。

3.4 基于深度學習的
圖片和視頻分析與理解

對于圖片和視頻的內容理解,是計算機視覺研究領域的核心問題,也是機器學習研究中的最大應用場景。通過對圖片和視頻的內容理解,將很大程度上提升圖片和視頻分類、搜索、推薦等應用場景中的用戶體驗。
本課題主要關注對圖片與視頻中的場景、物體和行為進行識別的研究。希望通過深度學習的方法對圖片和視頻中的內容進行理解,包括對通用及特定物體的識別,背景場景的識別,以及用戶在視頻中的行為識別。

建議研究方向:
1)研究如何通過深度學習的方法提升多標簽圖片/視頻分類的水平與效率;
2)研究基于深度學習的物體識別技術。

3.5 非受控環境下的行為識別與場景分析

行為識別與場景分析在安防、教育等場景中有廣泛的應用場景。在非受控場景中如何準確的識別出人的行為,并理解人與場景的關系是一項非常具有挑戰性的工作。其成果對人類生活質量提升也有較大價值。

建議研究方向:
1)研究非受控場景下人體跟蹤與動作識別;
2)研究非受控場景下人臉人體細粒度屬性分析;
3)研究非受控場景下場景理解、分析;
4)研究非受控場景下超大規模人臉識別算法。

3.6 高效視頻時域建模

相比傳統算法,基于深度神經網絡的視頻處理與理解已經取得了跨越式的發展。但是,對于視頻數據如何進行有效、低復雜度的計算是研究和工程落地的重點及難點。例如對于視頻時域和運動信息建模,比較依賴于3DCNN及flow信息,導致計算量很大。運動模糊、畫質降低等場景下會造成視頻處理效果的下降。因此,本命題將探索如何更為高效的進行視頻時域建模。

建議研究方向:
1)利用2DCNN或低復雜度的(2+1)D CNN實現高效的時域建模模型, 尋找比flow更高效的運動信息利用手段,提高視頻理解任務的高效準確性;
2)研究對online視頻、untrimmed視頻的高效理解;
3)利用self-supervision學習、高效的處理及時域信息,提高視頻的超分、降噪、檢測、分割等任務的時域穩定性與連續性。

3.7 圖片及視頻質量評估

反應人眼觀感的圖片及視頻質量評估在各式多媒體應用上愈趨重要。圖像的美學評分存在個體差異,傳統的大眾美學評價不能針對性反映出個體的美學偏好,所以需要建立個性化的圖像美學評價模型。屏幕視頻則是云計算環境下人機交互的主要形式,也是設備虛擬化、遠程教育、視頻會議、無線投屏等多個多媒體應用領域的基礎,如何設計客觀質量評價方法高效評價其主觀質量成為一個重要課題。

建議研究方向:
1)基于性格特征的圖像美學質量評價方法;
2)面向壓縮屏幕視頻的無參考質量評估。

3.8 基于神經網絡的
風格化圖像繪制的研究

非真實感圖像繪制,是利用計算機生成具有手繪風格的圖形。其目標在于表現圖形的藝術特質,用于模擬藝術作品或者作為真實感圖形的有效補充。它是一個多學科交叉研究領域,在計算機動畫、電影、工業設計、游戲等領域都對風格化圖像有巨大的需求。近年來,隨著推薦算法的發展,廣告、游戲、電商等場景中引入“千人千面”的個性化推薦服務,對于風格化圖像的需求進一步提升,這就對生產效率提出了更高的要求,現行的人工設計的方式,必將帶來巨額的設計成本,從而限制業務進一步發展。
風格化數字圖像的生成和編輯是非真實感圖形學的重要研究內容。從上世紀末開始,風格化圖像的數字化模擬就開始得到學術界的關注,同時涌現出眾多優秀的研究成果。近年來隨著深度學習,計算機視覺技術的發展,出現了端到端圖像生成的深度對抗神經網絡。是否可以使用深度學習技術解決非真實感繪制問題,實現接近設計師的藝術效果,降低非真實感圖像設計成本,是本課題想研究的問題。
基于研究需要,本課題可以提供游戲設計的原畫,宣傳圖,包括產生的效果行為數據;海量游戲內容素材資源(圖片、文章、視頻);必要的計算環境等研究資源。

建議研究方向:
1)基于深度對抗網絡的圖像風格遷移技術:根據輸入的原始圖像與參考風格圖像,自動生成具有相應風格的原始圖像,且輸出的圖像效果美觀可控;
2)基于深度網絡的圖像藝術風格智能生成與評價技術:在輸入圖像上進行藝術化處理,包括生成藝術效果與風格化效果,并自動對生成的效果進行美感評估,生成符合人類視覺美感、風格多樣的圖像;
3)深度學習端到端的紋理光照效果實現:在輸入圖像上根據需求產生多種角度、多種強度的自然光照、陰影與紋理效果,生成的圖像能夠具備真實的光照或陰影感;
4)具有語義的圖像無參考自動生成技術:根據輸入的圖像內容語義圖與風格描述,自動生成對應的具有語義的風格化圖像,生成的圖像看起來自然且符合審美的要求。

3.9 交通系統中的危險行為分析

目前,將人工智能技術與交通大數據相結合,探索安全出行的解決方案,是智慧交通重要的組成部分。本課題希望通過對駕駛員駕駛行為,道路狀況視頻的采集與分析,實現對重點違規駕駛行為即時提醒,實現對疲勞駕駛、抽煙、使用手機、車輛道路偏離及預碰撞報警、車輛盲區檢測報警等功能,探索更為高效的安全出行解決方案。

建議研究方向:
1)研究利用公交車前置攝像頭對路況進行判斷,進而對違規駕駛行為做出提醒;
2)研究利用公交車內部攝像頭對司機和乘客狀況進行判斷,對危險行為做出提醒;
3)研究如何用低成本設備在復雜環境下實現實時監測。

分享到:  QQ好友和群QQ好友和群 QQ空間QQ空間 騰訊微博騰訊微博 騰訊朋友騰訊朋友 微信微信
收藏收藏
回復

使用道具 舉報

您需要登錄后才可以回帖 登錄 | 立即注冊

本版積分規則

微信邦網聯系QQ|Archiver|手機版|小黑屋|魯公網安備 37082802000167號|微信邦 ( 魯ICP備13013993號-5

GMT+8, 2019-7-3 16:25 , Processed in 0.139192 second(s), 23 queries .

Powered by Discuz! X3.2

© 2001-2013 Wxuse Inc. | Style by ytl QQ:1400069288

快速回復 返回頂部 返回列表
平特不出最多几期