宋丛礼,2013 年毕业于清华大学,2014 年九月加入快手,目前任职于快手 Y-tech,主要负责语义分割、AI 生成式等技术研发和落地工作,为基于短视频的应用,如染发、美甲、天空滤镜、人像虚化、变老、变小孩等,提供底层 AI 算法支持。
宋丛礼,2013 年毕业于清华大学,2014 年九月加入快手,目前任职于快手 Y-tech,主要负责语义分割、AI 生成式等技术研发和落地工作,为基于短视频的应用,如染发、美甲、天空滤镜、人像虚化、变老、变小孩等,提供底层 AI 算法支持。
人工智能在很多领域有着广泛的应用,近年来在短视频领域出现了利用 AI,尤其是深度学习技术生成图像或视频的应用,吸引了业内广泛关注。基于 AI 的生成式技术区别于传统生成式技术最大的亮点之一就是真实,如变老、变小孩、AI 换脸等,可以达到人眼几乎分辨不出真假的效果。深度学习的一个显著特点是计算量大,尤其在生成式技术方面,需要大量的算力完成从一个数据分布到另一个数据分布的映射,且受到移动设备算力的限制,要在端上做到实时是非常困难的。另外,如何提高卷积神经网络生成结果的质量以及提升时序可控性也是一个挑战。本次分享将会为大家介绍 AI 生成式技术的基本原理,以及如何通过技术创新完成算法从研发到落地的过程。
1. AI 生成式技术介绍
2. AI 生成式技术在快手平台的应用
3. 快手自研 AI 生成式技术亮点
4. 未来展望
想了解人工智能尤其深度学习方面的知识的人群。