Categories
程式開發

阿里文娱资深算法专家任海兵:CV落地最大的挑战是算法的稳定性


计算机视觉已发展多年,近年来,该技术已经成为了人工智能领域最为“吸睛”的方向之一,不仅吸引了大量的投资,也吸引了不少AI技术专家进行钻研。但是,随着整个AI行业“退烧”,落地难也成为了计算机视觉领域的难题,算法的质量及稳定性尤其引人关注。

在将于7月24日-25日举办的AICon 全球人工智能与机器学习大会(上海站)上,阿里巴巴文娱资深算法专家任海兵将作为计算机视觉专题出品人,InfoQ提前对任海兵老师进行了专访,请他来谈一谈深耕计算机视觉二十余年总结的经验与思考。

InfoQ:您是如何与计算机视觉结缘的,并在这个领域深耕二十余年的?

任海兵:本科五年级上学期的时候,我后来的博士导师徐光佑教授跟我说,计算机视觉是特别富有挑战性的研究领域,研究的课题都很困难,可以研究一辈子。我觉得:这个方向可以研究一辈子,感觉挺有意思的,所以就选择了计算机视觉做为我的直博专业方向。从此就跟计算机视觉结缘,一路下来二十多年了。

InfoQ:深耕计算机视觉二十余年,您能否用几句话总结下您的心得和收获?

任海兵:在这二十年中,我主要从事将计算机视觉算法落地工业场景的工作。最大的体会是,由于计算机视觉算法的局限性,我们需要对落地场景非常了解,定制化的设计解决方案,不能闭门造车。因为看似非常相似的落地场景,具体分析下来对算法的要求、评估方式等差别很大,常常需要结合实际场景定制化的去设计最优解决方案。那种希望用一种算法解决各种问题的想法是不切实际的。

InfoQ:过去一年中(2019年),您认为在计算机视觉领域最值得关注的技术突破有哪些?能否谈谈原因。

任海兵:在过去的一年中,我最关注的技术是视频物体分割。2019年出现的space-time memory network算法极大的提高了视频物体分割的准确性和计算速度,指出了视频物体分割技术的新发展方向。结合CVPR 2020该方向的论文投稿来看,视频物物体分割技术沿着这个方向将会有持续的提高,逐渐成熟起来。

InfoQ:能否请您用几个例子来谈谈,目前阿里巴巴在计算机视觉方面有哪些应用场景?

任海兵:阿里巴巴是个巨大的经济体,其业务涉及非常多的领域。其中很多领域中,计算机视觉起着重要的作用。例如智慧城市中的安防监控,智能交通中3D城市重建、文化娱乐产业中素材智能生产等。

InfoQ:在这些场景中,您负责的项目有哪些?有哪些重要的突破是您认为值得分享的?

任海兵:跟阿里文娱相关的场景是文化娱乐产业中素材智能生产。由于素材生产的目的是给人观看,因此不能有肉眼可见的瑕疵,这对素材智能生产提出了很高的要求。以前的素材生产,例如图像抠图,都是纯手工PS,费时费力。这两年在图像分割领域取得了巨大的成就。既有图像语义理解、实例分割、全景分割,又有精细抠图(image matting)和显著性区域分割。综合这些技术,我们可以得到高精度的图像抠图解决方案。下面给出几个我们的抠图结果:

image

InfoQ:从技术的研发到落地,您认为最大的挑战是什么?是否有可以分享的经验?

任海兵:我最近的工作主要跟视频内容智能生产相关,从这个方面看,目前最大的挑战还是算法的稳定性。在一个视频中,如果有一帧图像的结果不好,那么整个视频都是不合格的。我的一项经验是,有些领域目前业界算法还不能达到全自动的智能生产,例如视频抠图,但可以辅助很少量的人工交互,利用交互式视频抠图算法,达到效率和精度的一个平衡。

InfoQ:在您看来,计算机视觉接下来会如何发展?您和团队有什么重点规划?

任海兵:我认为,目前人工设计网络已经到达一个瓶颈阶段,接下来深度网络的自动搜索将引领计算机视觉登上一个新的高峰,我的团队也将在这个方向进行布局。

采访嘉宾介绍

任海兵,阿里巴巴资深算法专家,2003年清华大学计算机系计算机应用专业博士毕业。先在三星中国技术院工作11年,先后担任计算机视觉和医疗图像算法团队负责人,曾带领团队获得FRGC人脸识别竞争第一名。2014年加入英特尔中国研究院,从事机器人视觉感知研究工作。2018年底,任海兵加入阿里文娱摩酷实验室,从事视频理解算法研究。任海兵在计算机视觉领域有20多年的研究经验,担任CVPR、ICCV、ECCV等国际顶级学术会议审稿人,发表40余篇论文,拥有30多项专利。