講到計算機視覺、機器視覺還是很陌生的，雖然我們知道我們想用電腦或者計算機來改變現(xiàn)有的狀態(tài)，機器人有眼睛，機器人可以理解，這部分的視覺到底包含什么內(nèi)容？從現(xiàn)在行業(yè)的內(nèi)容，以及學(xué)術(shù)上的理解給大家作一個簡單的介紹。機器視覺從整個的流程可以分為三大塊，第一塊就是可以模擬人的眼睛的部分，機器也是像人一樣，需要捕獲更高質(zhì)量的圖像，機器可以超越人，它得到的影像和內(nèi)容可能比人得到的更加清晰和完美。第二部分就是所謂的感知，感知這一層比較有意思，我們在看這個世界，世界不是2D的，這也是我們現(xiàn)在講的AR、VR的技術(shù)，因為視覺是3D的，因為世界不是靜態(tài)的，所以世界有運動，這一類內(nèi)容被稱為感知層。最后是常規(guī)介紹的，對這個視頻輸入的一個真正的識別，這一層就對應(yīng)到人的感知系統(tǒng)。

　　成像所牽扯的問題非常多，比如說第一張照片講的是去模糊。比如出去吃飯，給女友拍照，拍完照是模糊的，我們可以用算法使它變得清晰。第二個是超分辨率，如果手機的分辨率小的話，可以通過算法使得分辨率變高，同時包括暗光的增強、霧霾的消除，甚至手機上常用的美顏，也是通過相機把照片的質(zhì)量變得更好。左邊這張圖是我在2008年的時候，在馬賽拍的一張照片，這是馬賽很重要的景點。當(dāng)時我來得比較匆忙，只拍了這么一張照片，回過頭來看就只有這一張照片，因為我手在晃動，沒有把握好拍照的節(jié)奏，這張照片顯得比較模糊。計算機視覺，或者我們認為遙不可及的人工智能的優(yōu)勢就是它可以通過算法把一張照片變成右邊這張清晰的照片。真正的操作是我們能夠看得見的，我們可以通過算法進行視覺的增強。

　　這個技術(shù)是用在什么地方？這張照片是網(wǎng)上搜來的，搜索的關(guān)鍵字就是“硅谷”，搜到這張照片，其實它有一段文字描述，美國的重心從華爾街轉(zhuǎn)向硅谷。這張照片體現(xiàn)的是硅谷的速度，一輛車開過，上面的車牌變得很模糊，用運動的模糊感可以告訴別人什么樣的，體現(xiàn)出來真正的奔跑的感覺。雖然可以看到右上角寫的是什么字，但是具體的細節(jié)，比如說這條道路的道號，這條道路是朝哪個方向的并不能看清楚。有一個實際的例子，我們可以通過算法的操作，把上面這張照片變成下面這樣子，雖然照片不是很完美，但是可以看到這是101國道，這條路是南北的?？梢杂迷诎卜?、監(jiān)控的行業(yè)當(dāng)中，比如說用攝像頭拍的照片是模糊的，完全可以用算法把清晰的內(nèi)容還原出來。

　　我們說的機器視覺、人工智能除了做這部分的恢復(fù)之外，還可以解決什么樣的問題呢？再看一張用手機拍攝的照片，這張照片是用三星手機拍攝的，但是已經(jīng)調(diào)用了夜景的模式，當(dāng)時的情況是這個房間非常黑暗，所以拍出來的照片幾乎是看不清楚這張照片里有什么樣的內(nèi)容。我們的算法進行調(diào)整之后，就可以把一張極暗光下拍攝的照片變得比較完美，變得人能夠識別出來發(fā)生的內(nèi)容，有書、有瓶子、有禮物，包括書上的文字也能看得一清二楚，是一本教女性讀者怎么說話的書，很有意思的書。這告訴我們，機器視覺這一塊的智能模式除了可以奉獻人對這個世界的，對圖像的捕捉能力之外，可以在一定程度上超越人。

　　2015年拍攝的北京的照片，我相信去年這一年或者上半年，拍攝北京照片產(chǎn)生這樣的問題不在少數(shù)，大部分的攝像機拍出來的照片其實沒有辦法把真正的我們認為PM2.0或者霧霾消除掉，北京的天就是這樣的。算法可以做到什么樣呢？可能我們沒有辦法從真正的根本上改變霧霾的天氣，但是算法可以把藍天還給你，可以做到把霧霾層從照片中去除。所以大家不用去發(fā)朋友圈，如果朋友從哪地方轉(zhuǎn)來沒有霧霾的照片其實完全可以通過算法來生成。除了把霧霾消除的過程當(dāng)中，我們也可以讓計算機變得更聰明、更美好，比如它可以通過這樣一張霧霾照片，假如看上去很無聊、很沒有意思，可以進行轉(zhuǎn)換，生成藝術(shù)性的照片，雖然是霧蒙蒙的，但是可以模擬一種藝術(shù)家的畫風(fēng)，可以把線條化，以及畫的背景描述出來，使得大家可以更清晰地人知道到樓的細節(jié)，比起左邊這張圖，顯然右邊這張圖更生動，也更樂意拿來分享。帶來一個問題，計算機或者人工智能到底懂不懂美？這件事情不好回答，但是看另外一個例子，這是另外一張北京霧霾的照片，也是我們北京辦公室的門口，可以看到前后有各種各樣的深度，遠處還有人在騎自行車，這張照片看上去并不是很精彩，我們可以用計算機學(xué)習(xí)出一種變化的方案，變成右邊這張可以適合于海報以及適合于各類雜志的圖片。好不好其實是比較主觀的問題，但是計算機至少可以在某種程度上學(xué)習(xí)人的認知和人的風(fēng)格。

　　另外一張照片埃菲爾鐵塔，這是去年拍的，基本上都是找去年拍攝的照片進行處理。右邊這張是通過機器輸入來形成這個畫感，機器可以通過這樣的輸入，假如是一個機器人的話可以看到這樣的場景，給出右邊這幅畫，這幅畫的細節(jié)比較有意思，可以看到鐵塔的欄桿，畫是用線圈表示，并不是寫實的方式，但是帶來的是比較抽象的風(fēng)格，在中國轉(zhuǎn)化成黑白可能是水墨的感覺，所以機器人其實也可以做到藝術(shù)感。這幅畫也比較有意思，我是比較喜歡這幅畫，因為這朵花是中國南部比較常見的花。有了照片之后，我們讓機器學(xué)習(xí)照片的輸入輸出，想要生成更好的藝術(shù)效果，得到右邊這幅畫，我非常喜歡，感覺又能體現(xiàn)花的色彩，又能讓我們感覺有無窮的想象力，比左邊的照片來得給豐富，這是機器視覺能做到的事情，不僅能真實還原真實的狀態(tài)，還可以做延伸。如果大家對剛才的應(yīng)用感興趣，也可以下載微博相機。微博相機出的照片很有可能不會有霧霾的效果，真正地解決了圖片當(dāng)中的視覺的問題。

　　回到流程當(dāng)中的第二塊，剛才講的都是2D的，并不生動，現(xiàn)在VR/AR非常生動，講3D的視覺。有了深度以后，對整個現(xiàn)實情況的感知就會來得更好。感知層其實做的事情就是通過各種各樣的輸入，比如人是通過雙眼的輸入，叫立體視覺，還可以通過各種其他的視覺的方法來生成深度。利用深度的感知，利用運動的感知可以做各種類型的識別，包括手勢、包括運動的操作。這是機器視覺非常大的領(lǐng)域，在現(xiàn)實當(dāng)中也有很大的應(yīng)用。

　　開始講了拍照的例子，我繼續(xù)以拍照的例子來講，我拿出這張照片，我想讓大家看看是拿什么設(shè)備拍的，單反、卡片機還是手機？我覺得大家對這個行業(yè)的認知漸漸在往前，我第一次跟別人講的時候，毫無疑問說的都是單反拍的，這末大的光圈、前景深，強顏色對比，比較好的我們稱之為郊外的感覺，其實明顯是單反相機。不錯，確實看上去非常像單反的相機，但是這一類照片生成的原因是因為我們在拍攝照片的時候，除了2D的信息之外我們還得到了三維的信息，因為有三維的信息可以產(chǎn)生景深，這就是感知的具體的例子。怎么求取并不重要，我們可以通過雙目，四個陣列或者其他的設(shè)備來獲得這樣一個深度的照片。利用深度的照片完全可以得到一個類似于單反的效果，現(xiàn)在很多手機上有這樣的功能，叫先拍照后對焦，先拍照，通過光圈的變化，就是利用視覺里面很重要的點，就是深度感知。用先拍照后對焦的概念，原始的圖看上去是比較清晰的斜面，但是當(dāng)我們用深度求取之后可以做什么？可以把焦點點在前面，背后的酒可以是變成比較模糊的，可以看出層次感。前后兩部分的照片就變得比較模糊，在最后其實可以感覺得到遠處的圖片是成為拍照者的焦點。有了這樣的算法和設(shè)備之后，其實用手機也可以拍出來一些理想的照片。

　　普通的商店的照片，如果這張照片是純粹的景深比較大的，沒有辦法顯示出前后變化，看上去比較粗糙，沒有什么意義。但是做了景深調(diào)整，這張照片就會比較有生命力，把場景深度帶回到大家的感知當(dāng)中。這個是我們感知層能做的一件事情，前面的那個圖形、圖像，因為成像層，以及現(xiàn)在講的感知層帶來的是大量的信息的輸入。有了輸入之后，就是可以做識別，這是我們常常說的人工智能的范疇，什么意思呢？圖像智能。前面兩部分我都寫了字，理解這一層只秀了圖，但是大家會發(fā)現(xiàn)，其實做識別理解更接近于人的思維。這些照片自己就講出了自己在做什么，第一、第二張是講人臉的檢測，第三張是講一些人的屬性和一些人的特征。比如說我可以判斷人的年齡、性別，甚至是他的顏值。不知道大家有沒有在門口試過簽到的機器，可以通過一張非常簡單的照片可以判斷你是不是和庫內(nèi)的人是吻合的，來進行現(xiàn)場的簽到。下面包括人的分析、車輛的分析，以及文字的分析。這一切是我們理解這個世界的過程，機器在這里面起到的作用是在一些垂直領(lǐng)域，利用大量的數(shù)據(jù)來幫助人們更好地完成這樣的任務(wù)。

　　這是我們一個比較標(biāo)志性的技術(shù)，是人臉的技術(shù)，我們有比較好的人臉識別，我們也是第一支團隊在數(shù)據(jù)庫上超過人眼睛的準(zhǔn)確率。這個可以作為工業(yè)界識別的標(biāo)準(zhǔn)。下面我簡單講一下應(yīng)用場景，有了比較好的人臉識別的話，可以做身份的確認。這是一個比較有意思的娛樂場景，這段視頻是講我們一個員工想要模擬成左邊人的照片，他經(jīng)常做換臉的操作?；谶@些內(nèi)容可以生成更好的內(nèi)容來分享也好，來輔助大家做一些社交性的活動，也可以模仿其他的人和內(nèi)容，基于時間關(guān)系，我就跳過這一段內(nèi)容。

　　最后講一個簡單的事情，我們通過這樣的一個人臉識別和操作，我們也可以在大規(guī)模的場景當(dāng)中精準(zhǔn)地找出我們需要的人，譬如說用來做監(jiān)控，也可以過濾出重要的內(nèi)容，比如我來做內(nèi)容的識別。商湯其實是人工智能、機器視覺的使能者（音）的地位，我們也來幫助行業(yè)的上下游客戶，使得他們的產(chǎn)品能夠更快地進入到各種設(shè)備當(dāng)中，使得他們的技術(shù)能夠更快地去改變整個的生態(tài)圈。