昨日，ACM宣布AI界有“深度学习三巨头”之称的Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同获得了2018年的图灵奖，这是图灵奖1966年建立以来少有的一年颁奖给三位获奖者。
在本期 CSDN 技术公开课Plus：《多模态人物识别技术及其在视频场景中的应用》中，爱奇艺科学家路香菊博士将为大家介绍了多模态人物识别技术及在视频场景中的应用。大家可以学习到爱奇艺在多模态技术领域的三项主要研究工作，并且在爱奇艺视频中是如何应用这些技术的。
市场一直在变，而在公众认知范围内，视频行业的竞争点在内容、在流量、在资金。直到近期，爱奇艺AI竞赛“发榜”，市场惊觉在竞争格局越发紧张的现在，在线视频已经在凭技术突围。
导读：在线社交媒体平台的发展，带来了细粒度检索、视频语义摘要等媒体智能服务的巨大需求。现有的视频理解技术缺乏深入的语义线索，结合视频中人物的社交关系才能更完整、准确地理解剧情，从而提升用户体验，支撑智能应用。这里主要介绍我们将动态分析和图机器学习相结合，围绕视频中的人物社交关系网络所开展的两个最新的工作。主要内容包括：
这篇文章是瓜子内部Tech Talk的笔记，主要介绍如何构建基于知识图谱的用户画像，感谢家帅分享。
人脸检测器是一个基于 AI 联合实体数据一起开发的用于支持广播业务的应用程序。人脸检测器是一种实时人脸识别系统，用于识别人脸，并在输入视频流中显示人物姓名。
这里的会员指的是iCartoonFace：一个卡通人脸识别的基准数据集，爱奇艺与此同时设计了卡通和真人多任务域自适应策略来提高卡通人脸识别的性能。
大家好，我是爱奇艺的刘小辉，本次我分享的题目是《AI加持的竖屏沉浸播放新体验》，我会从三个方面介绍竖屏沉浸播放是什么，为什么这么做，我们是如何做的。
首先我们了解到虚拟数字人根据人物图形资源的维度，数字人可以分为2D和3D两大类。2D数字人从外形上可以分为2D真人和2D卡通。
AI 科技评论按：CVPR 2018 将于 2018 年 06 月 18-22 日在美国盐湖城举办，除了主会议程，各式各样的 Workshop 也值得大家一探究竟。 其中，CVPR 2018 Visual Understanding of Humans in Crowd Scene (VUHCS 2018）Workshop 尤为亮眼，该 Workshop 由新加坡国立大学 LV 组联合美国卡内基梅隆大学、中国中山大学主办。今年，主办方在 VUHCS 2017 的基础上进行了延伸与拓展，除接收相关论文，还将迎
随着科技的不断发展，人工智能（AI）视频识别技术已经在监控行业中得到了广泛的应用。这种先进的技术使得监控系统能够更加智能化、高效化，从而提高了安全性和可靠性。
【新智元导读】 将模糊图像变高清的技术很受关注，不过同样应用范围很广的视频自动打码技术似乎比较低调。微软研究院最新提出一套基于人工智能算法的视频人脸模糊解决方案，该技术包含人脸的检测、跟踪、识别三类算法，能够实现对视频进行自动人脸模糊。该系统已经搭载于微软Azure云平台上作为一项云服务提供。 新闻无处不在。从电视里的《新闻联播》、《新闻30分》，到手机中的《今日头条》、《腾讯新闻》，随着互联网的不断发展，新闻报道的数量，以及报道中的视频数量，都在不断增加。 这对读者来说也许是好事，意味着有更多、更丰富的内
论文标题：Unknown Identity Rejection Loss: Utilizing Unlabeled Data for Face Recognition
借助于深度神经网络，俄罗斯国立高等经济大学的人研究人员已经提出了一种新方法，能够从视频中识别出人的身份。该方法不需要大量的照片，并且与现有方法相比具有明显更高的识别准确度——即使只有某个人的一张照片可用。
虚拟偶像是近年来随着元宇宙一起流行的行业，该词汇最初出现在人们视野时，是用于代指像洛天依、初音未来这类的美少女角色形象，现在虚拟偶像指所有的3D卡通人物形象，他们不以真人实体形式存在的偶像、歌姬，但可以通过专辑、MV、写真集、直播进行偶像活动，是二次元文化的主流。
Pine 发自 凹非寺 量子位 | 公众号 QbitAI 一个镜片就搞定AR功能，夹在眼镜上就能直接用！ 戴上它后，你眼里的世界是这样的： 还可以拍摄照片或者视频： 必要的时候，还能够即时回放视频： 此外，这款AR设备还拥有超级变焦，能够将视野放大至16倍： 这是Brilliant Labs推出的一款新AR设备，名为Monocle，它只有15g重，夹在眼镜上是酱紫的： 并且，随AR镜片配备的还有一个类似蓝牙耳机一样的充电仓，能够实现6次充电，合算下来，续航时间长达12小时。 更更重要的是，它的设
主要对视频进行结构化分析，对视频中出现的人像，图像，物体，声音，文字，动作等进行识别，并对客户提供符合客户场景需求的结果输出。其中支持主流指定人物识别（如政要，明星，指定人物识别等），并提供基础人像，物体识别库供用户选择。
Character Animator是Adobe公司推出的一款2D人物动画制作软件，它提供了高度的自动化和实时动画功能，同时还可以让用户为人物角色定制声音和动作。它主要用于制作电视节目、电影、网络广告和短视频等。
深度学习在最近十来年特别火，几乎是带动AI浪潮的最大贡献者。互联网视频在最近几年也特别火，短视频、视频直播等各种新型UGC模式牢牢抓住了用户的消费心里，成为互联网吸金的又一利器。当这两个火碰在一起，会产生什么样的化学反应呢？
---- 新智元报道 来源：老罗不说 作者：罗予晨 编辑：好困 【新智元导读】其实，ChatGPT是可以识别图片的！你只需要输入图片网址，并确保图片能不受限制地被OpenAI的服务器读取到。 因为ChatGPT网页上没有上传图片按钮，所以一般人都不知道它能识别图片。但是其实它是可以识别图片的，你需要输入图片网址，确保图片不需要登录或者其他限制条件就能被美国服务器读取到。 目前看它读取Wiki、CNN图片都没有问题。 那么它能识别出什么内容？ 普通新闻图片 ChatGPT没有识别出具体的装备型号
智能视频监控是一种基于人工智能技术的监控系统，它能够通过对图像和视频数据进行分析，自动识别目标物体、判断其行为以及进行异常检测等功能，从而实现对场景的智能化监管。以下是常见的一些用于智能视频监控的算法：
图片鉴黄服务市场容量巨大，作为移动互联网行业最为热门的创业领域，移动社交类App每天生产大量图片，并有无数色情图片混杂其中，所以高效准确地鉴别和剔除淫秽色情信息成为一项十分艰巨的任务。 此外，移动直播的大热也导致图片鉴黄需求大增，尤其对于中小开发团队而言，直播平台很可能因为人力监管问题而在涉黄审核方面出现风险。而自主研发鉴黄功能或增加审核人员又会增加产品和服务外的支出，给前期开发造成额外压力。利用人工智能图像识别技术进行高效准确的自动化鉴黄服务，能降低企业使用鉴黄服务的技术门槛，帮助企业有效减少相关人力成
DeepFake假视频的泛滥早已经不只是恶搞和娱乐的问题了！这些假视频衍生出的假新闻可能会成为2020美国大选的一场噩梦。
看到一篇CVPR 2019 论文《Learning Individual Styles of Conversational Gesture》，通过语音数据识别说话人手势，觉得蛮有意思。
本月，北京首次关停涉黄直播平台“夜魅社区”。此前，映客、花椒等在直播、陌陌等平台的数十位主播因涉黄被永久封禁，商业需求激增“鉴黄师”职业，“鉴黄”势在必行。
或许，大家可能在短时间内不能一睹Quest 3的风采，但是根据小P最新的整理显示预计即将发售（已确认日期）的VR设备及配件也不少呢！让我们来看看吧！
2018年4月，京东Y事业部对外发布全球首款全自动智能图片合成处理软件——么么照。么么照可实现“发丝级”识别精度的全自动抠图效果，能够满足于买家秀、社交、海报制作等应用场景，未来还将覆盖邀请函、电子名片、直播等静态图片及动态视频的应用。给用户带来更丰富有趣的玩法及全新的互动体验。 么么照以人像抠图为核心，可实时更换背景/贴纸，并支持全身效果合成，由来自于京东美国硅谷研发中心数字科技团队提供了领先的AI及AR技术，可创造出内容更加丰富的创意表达，极低的学习门槛让用户可轻松上手进行创作。目前么么照已发布iOS
哪一个人脸识别 API 是最好的？让我们看看亚马逊的 Rekognition、谷歌云 Vision API、IBM 沃森 Visual Recognition 和 微软 Face API。
世界各地的人们每天都会创造大量视频，包括用户直播的内容、短视频、电影、体育比赛、广告等等。
CCF-腾讯犀牛鸟基金由腾讯与中国计算机学会联合发起，旨在为全球范围内最具创新力的青年学者搭建产学研合作及学术交流的平台，提供了解产业真实问题，接触业务实际需求的机会，并通过连接青年学者与企业研发团队的产学科研合作，推动双方学术影响力的提升及应用成果的落地，为科技自主研发的探索和创新储备能量。 本年度共设立9个重点技术方向，29项研究命题 申报截止时间：2019年6月15日24:00 上期我们介绍了智慧教育&机器学习 本文将介绍计算机视觉及模式识别 欢迎海内外青年学者关注并申报。 三、计算机视觉及模式
子豪 发自 凹非寺 量子位 报道 | 公众号 QbitAI 现在，只需用摄像头录制真人视频，就能一键生成火柴人gif。 来自谷歌的工程师小哥Ken Kawamoto就利用PoseNet开发了这样一个网站——stickfigure-recorder。 △Ken Kawamoto 用这个网站生成火柴人gif十分简单。 进入网站之后，点击开始按钮，进行录制前的设置。 选择适合不同硬件配置的识别精度： 想要识别多人视频，只需勾选「允许多人估算」即可，不过可能会牺牲一定的帧率。 还可以调整火柴人的平
本期节目又请来了一资深 Emacs 用户 stardiviner[1]，同时也是一名淘宝店主，用来售卖自己的 IT 技能。
作者：GarfieldEr007 原文地址：http://www.jianshu.com/p/b3bbeb7c67f5 CV人物1：Jianbo Shi史建波毕业于UC Berkeley，导师是Jitendra Malik。其最有影响力的研究成果：图像分割。其于2000年在PAMI上多人合作发表”Noramlized cuts and image segmentation”。这是图像分割领域内最经典的算法。主页：www.cis.upenn.edu/~jshi/ 和www.cs.cmu.edu/~jshi/
选自Google Research 机器之心编译 参与：路雪 视频人类动作识别是计算机视觉领域中的一个基础问题，但也具备较大的挑战性。现有的数据集不包含多人不同动作的复杂场景标注数据，今日谷歌发布了精确标注多人动作的数据集——AVA，希望能够帮助开发人类动作识别系统。 教机器理解视频中的人类动作是计算机视觉领域中的一个基础研究问题，对个人视频搜索和发现、运动分析和手势交流等应用十分必要。尽管近几年图像分类和检索领域实现了很大突破，但是识别视频中的人类动作仍然是一个巨大挑战。原因在于动作本质上没有物体那么明
引言 AIGC正从效率、质量、创意、多样性各方面革新内容生产流程，伴随firely、midjourney等现象级的产品出现，AIGC将逐步广泛服务于内容生产的各类场景与内容生产者，随着AIGC在内容生产的需求场景不断增加，腾讯多媒体实验室也在AIGC领域持续发力，并通过数据万象将能力成功应用到传媒、社交、文娱等多个行业，逐步夯实全场景内容生产力。 足球精彩集锦 数据万象泛互与传媒客户拥有不小体量的体育视频数据处理需求，尤其是赛事期间，足球赛事作为最受欢迎的体育赛事内容消费量一直居高不下，球迷对其内容的
引言 AIGC正从效率、质量、创意、多样性各方面革新内容生产流程，伴随firely、midjourney等现象级的产品出现，AIGC将逐步广泛服务于内容生产的各类场景与内容生产者，随着AIGC在内容生产的需求场景不断增加，多媒体实验室也在AIGC领域持续发力，并通过数据万象将能力成功应用到传媒、社交、文娱等多个行业，逐步夯实全场景内容生产力。 足球精彩集锦 数据万象泛互与传媒客户拥有不小体量的体育视频数据处理需求，尤其是赛事期间，足球赛事作为最受欢迎的体育赛事内容消费量一直居高不下，球迷对其内容的可观
在油库、加油站、化工厂等场景中，安全生产是首要的监管问题，因为有易燃物品的存放，打电话很容易引起火灾爆炸等安全事故，造成巨大的生命和财产损失。因此，对人员行为的监管是安全的关键，在一些特定场合需要禁止人员打电话。传统的监管方式容易造成疏漏，利用AI智能识别技术则可以实现高效监管和及时预警。
GAIR 今年夏天，雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人峰会”（简称CCF-GAIR）。大会现场，谷歌，DeepMind，Uber，微软等巨头的人工智能实验室负责人将莅临深圳，向我们零距离展示国外人工智能震撼人心、撬动地球的核心所在。在此之前雷锋网将网罗全国顶尖的人工智能和机器人专家和各大公司的首席科学家，同这些国际大拿同台交流。如果你不想错过这个机会，请用邮件直戳我心，lizongren@leiphone.com 针对基于深度人物识别的递归注意力模型 协同编译：陈圳、章敏、Blake 摘
公开这个数据集的爱奇艺官方给它确认的类别名字叫“多模态视频人物数据集”，翻译成人话，就是有很多人，每个人用不同的“姿势”拍视频，收集起来攒成的数据集。
6月29日，音视频及融合通信技术技术沙龙圆满落幕。本期沙龙特邀请腾讯云技术专家分享关于最新的低延迟技术、全新的商业直播方案等话题，针对腾讯云音视频及融合通信产品的技术全面剖析，为大家带来纯干货的技术分享。下面是孙祥学老师关于AI技术在视频智能识别和分析中的应用，以及实际落地过程中遇到的挑战以及解决办法的分享。
近年来，随着“平安城市”视频监控的大规模建设，摄像头布满各个城市的大街小巷。存储技术的不断更新，也为大量案件积存了海量视频信息，这给公安破案带来极大的便利。视频侦查技术也逐渐成为侦查破案的主流。
用户的视频消费习惯越来越多元化：长短兼而有之，横竖各有场景，手机平板电视电脑诸多终端并存，免费/付费/会员兼而有之……未来，这样的多元化会进一步加剧：随着5G、4K/8K和VR/AR等技术的成熟，更多影音设备，更多形式的内容，更多场景会出现。行业如何应对这样的需求挑战？从视频巨头的实践来看，视频AI可能是一个重要的方法。
Google Research 软件工程师发表了可解决「鸡尾酒会效应」视觉-音频语音识别分离模型。 AI 科技评论按：人类很擅长在嘈杂的环境下将其他非重点的声响「静音」化，从而将注意力集中在某个特定人物身上。这也就是众所周知的「鸡尾酒会效应」，这种能力是人类与生俱来的。尽管对自动音频分离（将音频信号分离成单独的语音源）的研究已经相当深入，但它依旧是计算机研究领域上的一项巨大挑战。 Google Research 软件工程师 Inbar Mosseri 和 Oran Lang 于 4 月 11 日发表了一篇
试试爱奇艺推出的这个卡通人脸识别基准数据集iCartoonFace，用它训练AI帮你找动漫素材，效率分分钟翻倍。
随着计算机视觉技术和安防监控技术的不断发展，基于AI算法的人体姿态识别技术也得到了广泛的应用。然而，传统的安防监控系统通常只局限于简单的视频监控等功能，无法准确地识别人体的姿态，使得一些安防监控存在着一定的漏洞和不足之处。
计算机视觉是 AI 核心研究领域，目的在于让机器具备人类的“眼力”。计算机视觉是人工智能的 分支之一，目的在于通过电子化的方式来感知和理解影像，让计算机具备和人一样的"眼力"，能够 识别、理解周围的世界。人脑接受的 80%的信息来自眼睛(视觉)，50%的大脑活动都与处理视觉 信息有关，可见视觉在信息传递中的重要性和复杂性。
文章目录 背景介绍 前沿方法介绍 基于音乐的动作编排 背景介绍 在现实应用中，由于舞蹈中肢体活动较灵活和摄像头角度变化，导致人体各部位的可视信息变化颇大，从而为生成高分辨率的目标舞蹈图像带来巨大挑战。
著名科幻小说《三体》描述过这样一个场景：主角为了寻找超自然力量的线索，借助虚拟现实设备进入了一款游戏，他在虚拟世界中遇到的人物，不仅有人类的外形，能跟他流畅地对话，甚至还有人类的逻辑和情感。
领取专属 10元无门槛券
手把手带您无忧上云
