近日，騰訊優(yōu)圖實(shí)驗(yàn)室總監(jiān)黃飛躍接受CSDN專訪，揭秘了騰訊優(yōu)圖八年間的研發(fā)和落地歷程，以及對(duì)計(jì)算機(jī)視覺(jué)的未來(lái)展望。以下為專訪內(nèi)容：

12 年前，清華大學(xué)博士畢業(yè)的黃飛躍加入騰訊剛成立不到一年的騰訊研究院，帶著 5 個(gè)人的小組，第一個(gè)項(xiàng)目是做一款名為“QQ影像”的桌面處理軟件，但由于團(tuán)隊(duì)都屬于 IT 直男，對(duì)于產(chǎn)品一竅不通，于是首個(gè)項(xiàng)目以并不盡如人意的結(jié)局告終。

12 年后，當(dāng)初的 5 人團(tuán)隊(duì)已經(jīng)擴(kuò)大到 數(shù)百人的規(guī)模，成為計(jì)算機(jī)視覺(jué)領(lǐng)域鼎鼎有名的優(yōu)圖實(shí)驗(yàn)室。但細(xì)算起來(lái)，優(yōu)圖正式成立的時(shí)間其實(shí)在 2012 年，這一年，黃飛躍帶領(lǐng)的這支團(tuán)隊(duì)更名為“優(yōu)圖”，他作為優(yōu)圖團(tuán)隊(duì)的負(fù)責(zé)人，帶領(lǐng)這幫人成為國(guó)內(nèi)計(jì)算機(jī)視覺(jué)大規(guī)模應(yīng)用最早的一批從業(yè)者。

如今，做計(jì)算機(jī)視覺(jué)的人不會(huì)不認(rèn)識(shí)優(yōu)圖這個(gè)名字，尤其是人臉識(shí)別技術(shù)和產(chǎn)品，優(yōu)圖的名聲更是響亮。作為騰訊消費(fèi)互聯(lián)網(wǎng)業(yè)務(wù)背后的“隱形 AI 戰(zhàn)隊(duì)”，優(yōu)圖實(shí)驗(yàn)室與 騰訊 AI Lab 和微信 AI 團(tuán)隊(duì)一起，并列騰訊 AI 三大人工智能團(tuán)隊(duì)，為包括 QQ、微信、騰訊微視等消費(fèi)互聯(lián)網(wǎng)產(chǎn)品提供技術(shù)支持。

優(yōu)圖在做什么?

2018 年，騰訊宣布戰(zhàn)略轉(zhuǎn)型升級(jí)，擁抱產(chǎn)業(yè)互聯(lián)網(wǎng)，優(yōu)圖從騰訊內(nèi)部的一個(gè)技術(shù)團(tuán)隊(duì)開始走向前臺(tái)，通過(guò)騰訊云等對(duì)外輸出視覺(jué) AI 能力。

黃飛躍對(duì)于優(yōu)圖的定位，就是一個(gè)計(jì)算機(jī)視覺(jué)相關(guān)技術(shù)的研發(fā)和落地的實(shí)驗(yàn)室，從最開始的圖像壓縮，到后面的人臉識(shí)別，再往后的人體識(shí)別、OCR 等一系列技術(shù)，優(yōu)圖從最初的圍繞騰訊公司內(nèi)部的需求提供技術(shù)支撐，到現(xiàn)在依托騰訊云等產(chǎn)品對(duì)外輸出產(chǎn)品和解決方案。

有人會(huì)好奇，優(yōu)圖到底都做了些什么。實(shí)際上，從騰訊內(nèi)部到 ToC，優(yōu)圖的AI技術(shù)早已滲透到我們的日常生活中，留心觀察的話會(huì)發(fā)現(xiàn)，我們平常用到的微信刷臉支付、人臉識(shí)別對(duì)比、隨申碼、健康碼、微眾銀行等 App 的人臉核身等，背后都是優(yōu)圖在做技術(shù)支撐。比如在微信小程序申請(qǐng)民政服務(wù)，檢測(cè)人臉時(shí)出現(xiàn)的藍(lán)色、綠色等不同顏色的光譜，其實(shí)就是在做活體檢測(cè)，確認(rèn)是否是本人操作。

　　天天P圖

黃飛躍表示，最近一兩年，短視頻、泛娛樂(lè)場(chǎng)景的視覺(jué)AI需求比較旺盛，為此優(yōu)圖打造了一系列泛娛樂(lè)方面的解決方案，包括美顏美妝、人像分割、趣味合成和生成、人臉融合和變裝等，你平常打開的美顏軟件，說(shuō)不定就有優(yōu)圖的存在。

讓筆者印象比較深刻的，還有在尋找走失兒童場(chǎng)景中，優(yōu)圖可以實(shí)現(xiàn)跨年齡人臉識(shí)別，一兩歲時(shí)丟失的嬰兒，丟失十幾年之后的兒童也能被精準(zhǔn)識(shí)別，這樣的“黑科技”也是優(yōu)圖研發(fā)的。

了解計(jì)算機(jī)視覺(jué)技術(shù)的人應(yīng)該知道，跨年齡人臉識(shí)別對(duì)于數(shù)據(jù)量和模型訓(xùn)練來(lái)說(shuō)都是巨大的挑戰(zhàn)，為了充分的從數(shù)據(jù)中學(xué)習(xí)人臉自然的跨年齡變化規(guī)律，騰訊優(yōu)圖提出了基于 DDL(分布式蒸餾學(xué)習(xí)法則)學(xué)習(xí)策略的正則化遷移學(xué)習(xí)策略。基于該策略，算法模型可充分進(jìn)行跨年齡人臉識(shí)別學(xué)習(xí)，從而讓困難的跨年齡識(shí)別更加可靠和精準(zhǔn)。用這項(xiàng)技術(shù)，騰訊成功幫助警方找回多名被拐超過(guò)十年的兒童。

“救人一命勝造七級(jí)浮屠”，可以造福、方便人類的事情，正是所有技術(shù)人的追求，因?yàn)檫@讓我們所做的事情變得有了意義。

優(yōu)圖的技術(shù)“家底”有多厚?

各種場(chǎng)景下的應(yīng)用， 當(dāng)然離不開底層技術(shù)的支撐。從團(tuán)隊(duì)成立之初做圖片壓縮，到后來(lái)轉(zhuǎn)到人臉檢測(cè)和識(shí)別，優(yōu)圖不斷洞察新技術(shù)趨勢(shì)，積淀下清晰的技術(shù)發(fā)展路線。

黃飛躍在清華大學(xué)讀研讀博時(shí)，所學(xué)專業(yè)除了人臉識(shí)別和人臉檢測(cè)之外，還包括人頭 3D 重建、人體動(dòng)作識(shí)別等技術(shù)。黃飛躍回憶，那時(shí)候人臉識(shí)別與現(xiàn)在相比有著巨大的差異，十幾年前，火爆的專業(yè)是網(wǎng)絡(luò)工程等方向，計(jì)算機(jī)視覺(jué)方向在當(dāng)時(shí)是冷門。

黃飛躍也承認(rèn)，當(dāng)時(shí)學(xué)術(shù)的不成熟導(dǎo)致整個(gè)計(jì)算機(jī)視覺(jué)產(chǎn)業(yè)鏈不完整�，F(xiàn)在，我們已經(jīng)可以通過(guò)深度學(xué)習(xí)技術(shù)，為很多計(jì)算機(jī)視覺(jué)問(wèn)題找到很好的解決方案，比如人臉檢測(cè)識(shí)別，我們能夠從幾百人的合照中找到 99% 甚至全部的人臉，有遮擋也可以做到，但在當(dāng)時(shí)，深度學(xué)習(xí)還沒(méi)有起來(lái)，大家更多的是做偏研究的事情，和實(shí)際業(yè)務(wù)結(jié)合較少，采集數(shù)據(jù)難度大，算法在實(shí)際應(yīng)用中效果差，只能在特定場(chǎng)景和小范圍內(nèi)做有限的應(yīng)用。

總之，當(dāng)時(shí)的計(jì)算機(jī)視覺(jué)研究環(huán)境很惡劣，人工智能仍處于發(fā)展瓶頸期，體系建設(shè)沒(méi)有展開。2008 年，黃飛躍畢業(yè)時(shí)也曾糾結(jié)過(guò)去做老師還是進(jìn)公司，看了很多方向，選擇了加入剛成立不到一年的騰訊研究院，起初是跟著 leader，后來(lái)才帶領(lǐng)著 5 人小組，在迷茫中開始視覺(jué)AI的探索之路。

因圖像壓縮技術(shù)聲名大噪

上文中也提到，最開始，這支團(tuán)隊(duì)負(fù)責(zé)一款名叫“QQ 影像”的桌面處理軟件，這是一款和美圖秀秀類似的圖像管理編輯軟件，既有工程又有黃飛躍學(xué)習(xí)的視覺(jué)圖像處理的一系列的能力，所以他認(rèn)為這兩者的結(jié)合是一個(gè)機(jī)會(huì)。但這個(gè)項(xiàng)目做到 2011年，PC 端開始向移動(dòng)端轉(zhuǎn)移，但 QQ 影像是 PC 軟件，所以失去優(yōu)勢(shì)，加上團(tuán)隊(duì)都是技術(shù)人員，缺乏產(chǎn)品思維，導(dǎo)致產(chǎn)品發(fā)展不盡人意。

　　QQ 影像

2010 年，黃飛躍和團(tuán)隊(duì)遷往上海。2011 年下半年，黃飛躍發(fā)現(xiàn)“圖片二次壓縮”技術(shù)可能存在極大的價(jià)值，可以廣泛應(yīng)用到騰訊內(nèi)部的眾多業(yè)務(wù)中，比如圖片的存儲(chǔ)與傳輸，可有效減少存儲(chǔ)、降低帶寬流量，為公司節(jié)省巨額資金及存儲(chǔ)空間。隨著研究的深入和技術(shù)的不斷成熟，黃飛躍帶著團(tuán)隊(duì)開始為騰訊內(nèi)部其他團(tuán)隊(duì)提供圖片二次壓縮技術(shù)——可以將圖片像素壓縮 20%-30%，大大降低帶寬成本。

此時(shí)，團(tuán)隊(duì)更名為“優(yōu)圖”——這便是“優(yōu)圖實(shí)驗(yàn)室”的前身。

優(yōu)圖的圖片壓縮技術(shù)為騰訊創(chuàng)造了巨大的價(jià)值，也為優(yōu)圖帶來(lái)了聲望。

轉(zhuǎn)移到人臉檢測(cè)識(shí)別方向

2012 年下半年，優(yōu)圖把研究重心轉(zhuǎn)移到人臉檢測(cè)識(shí)別方向，開始進(jìn)行人臉技術(shù)研發(fā)和儲(chǔ)備。此時(shí)正逢騰訊的組織架構(gòu)調(diào)整，原本隸屬于騰訊研究院的優(yōu)圖并到了騰訊社交網(wǎng)絡(luò)事業(yè)群旗下。

2013 上半年，優(yōu)圖開始將人臉檢測(cè)技術(shù)輸出至 QQ 空間，同時(shí)將技術(shù)提供給推出爆款“武媚娘”妝容的“天天P圖”前身——“水印相機(jī)”團(tuán)隊(duì)。2014 年，QQ 空間“面孔墻”全量上線，這是業(yè)界最早在大規(guī)模社交網(wǎng)絡(luò)平臺(tái)中人臉識(shí)別技術(shù)的應(yīng)用。此時(shí)，黃飛躍帶領(lǐng)的優(yōu)圖團(tuán)隊(duì)只有 20 人不到。

2014 年上半年開始，黃飛躍帶領(lǐng)優(yōu)圖團(tuán)隊(duì)開始探尋大量人臉識(shí)別應(yīng)用場(chǎng)景，和騰訊征信負(fù)責(zé)人挖掘人臉識(shí)別的一個(gè)創(chuàng)新應(yīng)用，即通過(guò)自拍照和身份證照片比對(duì)，來(lái)確認(rèn)是否是用戶本人(人臉核身)。在成功打出微眾銀行這個(gè)線上人臉核身案例后，優(yōu)圖將技術(shù)逐漸開放給內(nèi)部超過(guò) 50 個(gè)業(yè)務(wù)，并在 QQ、QQ 空間、QQ 音樂(lè)、財(cái)付通、微眾銀行、天天 P 圖等明星產(chǎn)品中成功落地，也與滴滴、聯(lián)通等企業(yè)達(dá)成合作。

隨著業(yè)務(wù)的發(fā)展壯大，騰訊優(yōu)圖也從最開始的 5 人團(tuán)隊(duì)，成長(zhǎng)為現(xiàn)在的百人以上的規(guī)模。

2018 年 9 月 30 日，騰訊宣布組織架構(gòu)調(diào)整，隸屬于 SNG 的優(yōu)圖實(shí)驗(yàn)室調(diào)整歸屬于 CSIG 云與智慧產(chǎn)業(yè)事業(yè)群。優(yōu)圖開始和云與智慧產(chǎn)業(yè)形成更密切的聯(lián)動(dòng)配合，通過(guò)騰訊云、微信等輸出視覺(jué)AI能力，在金融、零售、政務(wù)、社區(qū)、物流、文旅等領(lǐng)域落地解決方案。

以上就是優(yōu)圖實(shí)驗(yàn)室大致的技術(shù)發(fā)展路線，在這個(gè)過(guò)程中，黃飛躍帶領(lǐng)團(tuán)隊(duì)自主研發(fā)了很多創(chuàng)新性的計(jì)算機(jī)視覺(jué)技術(shù)和應(yīng)用。

人臉識(shí)別算法迭代

黃飛躍回憶，自 2012 年下半年將重點(diǎn)轉(zhuǎn)移到人臉識(shí)別上來(lái)之后，優(yōu)圖便開始積累人臉相關(guān)技術(shù)。那時(shí)，優(yōu)圖會(huì)使用一些傳統(tǒng)的分類 PCA 等方法做檢測(cè)識(shí)別，從而具備了基礎(chǔ)的人臉相關(guān)能力，包括人臉檢測(cè)、人臉五官定位、人臉識(shí)別這三要素。

2014 年以后，優(yōu)圖開始跟進(jìn)深度學(xué)習(xí)相關(guān)技術(shù)潮流和趨勢(shì)，最開始是用深度學(xué)習(xí)對(duì)齊傳統(tǒng)的人臉?lè)椒ā?/p>

黃飛躍認(rèn)為，實(shí)際上人臉技術(shù)的演進(jìn)有這幾個(gè)點(diǎn)，其一是活體檢測(cè)，優(yōu)圖做了人臉安全與身份核驗(yàn)、紋理檢測(cè)、動(dòng)作識(shí)別，以及自主研發(fā)的反光活體技術(shù)，即手機(jī)側(cè)終端隨機(jī)發(fā)出一系列不同的光，根據(jù)光照射用戶的情況，和攝像頭捕捉到的信息，判斷是真的人臉還是一張照片、面具還是視頻。這是人臉安全系列的技術(shù)演進(jìn)。

其二是人臉識(shí)別規(guī)模的大幅提升，從開始的幾千到幾萬(wàn)的規(guī)模，現(xiàn)在到從數(shù)十億規(guī)模中做人臉檢測(cè)，背后依靠的是深度學(xué)習(xí)技術(shù)。

第三個(gè)特點(diǎn)是要結(jié)合實(shí)際業(yè)務(wù)場(chǎng)景，比如在疫情期間的口罩檢測(cè)，就需要做算法和場(chǎng)景交互的設(shè)計(jì)調(diào)整。

八年成長(zhǎng)路，不斷積累“雪中送炭”的能力

從騰訊內(nèi)部一個(gè)名不見(jiàn)經(jīng)傳的小組，到成長(zhǎng)為一個(gè)頗有名氣的AI實(shí)驗(yàn)室，優(yōu)圖花了八年時(shí)間，一路走來(lái)也并非一帆風(fēng)順，他們面臨的挑戰(zhàn)不僅來(lái)自技術(shù)層面，還有如何向公司證明技術(shù)的價(jià)值。

比如讓這支團(tuán)隊(duì)聲名鵲起的圖像壓縮技術(shù)發(fā)明之初，優(yōu)圖團(tuán)隊(duì)就面臨著如何說(shuō)服公司內(nèi)部客戶、合作伙伴和部門用這項(xiàng)技術(shù)的問(wèn)題，為了與 QQ 空間團(tuán)隊(duì)合作，他們要經(jīng)常跑到深圳，甚至長(zhǎng)期派駐人員了解對(duì)方的需求。當(dāng)時(shí)，QQ 空間團(tuán)隊(duì)關(guān)注的技術(shù)點(diǎn)很多，如何讓圖片顯示更清晰，PC 端網(wǎng)頁(yè)的相冊(cè)照片如何更好地展示縮略圖等，都是他們關(guān)心的問(wèn)題，優(yōu)圖要做的不僅是要把技術(shù)“賣”給他們，還要根據(jù)需求給出具體的解決方案。好在團(tuán)隊(duì)成功完成任務(wù)，度過(guò)了團(tuán)隊(duì)成立之初的第一個(gè)大關(guān)。

2014 年是優(yōu)圖的一個(gè)拐點(diǎn)。在這個(gè)時(shí)間段，雖然優(yōu)圖與 QQ 空間的合作已經(jīng)取得了一系列成果，優(yōu)圖研發(fā)推出的 QQ 空間面孔墻可以幫助用戶按照人的維度來(lái)管理自己的相冊(cè)、照片，整體的效果體驗(yàn)，包括準(zhǔn)確度、指標(biāo)都不錯(cuò)，但是實(shí)際上線之后，黃飛躍卻開始思考另一個(gè)問(wèn)題：優(yōu)圖團(tuán)隊(duì)的價(jià)值在哪里?因?yàn)檫@個(gè)能力始終是錦上添花，并不是雪中送炭，離不開的能力。于是，優(yōu)圖開始挖掘一些剛需、有價(jià)值的點(diǎn)。

黃飛躍想到了人臉識(shí)別。那時(shí)候團(tuán)隊(duì)已經(jīng)開始主打人臉識(shí)別相關(guān)技術(shù)的研發(fā)，但是存在一定困難。2014 年下半年與微眾銀行的合作是一個(gè)契機(jī)。當(dāng)時(shí)，微眾銀行開業(yè)，給自己的定位就是完全線下無(wú)網(wǎng)點(diǎn)銀行，沒(méi)有線下網(wǎng)點(diǎn)，線上開戶只能通過(guò)人臉核身。但當(dāng)時(shí)人臉核身技術(shù)層面上不成熟，這就給了優(yōu)圖難得的機(jī)遇，從 2014 年 9 月份開始合作，到 2015 年微眾銀行正式上線，優(yōu)圖攻堅(jiān)了一系列難題，包括提高人臉活體的能力，防止人臉照片、視頻攻擊等，獲得了微眾的認(rèn)可，把真金白銀的業(yè)務(wù)交給優(yōu)圖。

八年走過(guò)來(lái)，優(yōu)圖的發(fā)展路線愈發(fā)清晰，聚焦于最核心的能力，比如人臉識(shí)別、人臉檢測(cè)定位等，避免與其他團(tuán)隊(duì)的研發(fā)“撞車”;另外一方面，一些團(tuán)隊(duì)更多地側(cè)重在優(yōu)圖基礎(chǔ)能力之上做封裝，如與 PCG 合作力，優(yōu)圖負(fù)責(zé)提供人臉檢測(cè)配準(zhǔn)的基礎(chǔ)能力，PCG 在此之上研發(fā)美顏掛件等，提供美顏能力和解決方案。

計(jì)算機(jī)視覺(jué)迎來(lái)第二次高潮

以優(yōu)圖為代表，是國(guó)內(nèi)互聯(lián)網(wǎng)企業(yè)做計(jì)算機(jī)視覺(jué)技術(shù)研發(fā)與應(yīng)用開發(fā)的縮影。在移動(dòng)互聯(lián)網(wǎng)時(shí)代，計(jì)算機(jī)視覺(jué)乘著東風(fēng)，迎來(lái)第二次發(fā)展的高潮。

黃飛躍認(rèn)為，移動(dòng)互聯(lián)網(wǎng)與計(jì)算機(jī)視覺(jué)之間是相輔相成的關(guān)系，這其中有幾個(gè)原因，一個(gè)是正好深度學(xué)習(xí)的進(jìn)展和移動(dòng)互聯(lián)網(wǎng)發(fā)展的時(shí)間重合，移動(dòng)互聯(lián)網(wǎng)時(shí)代的特點(diǎn)是手機(jī)上的攝像頭，有了傳感器，數(shù)據(jù)越來(lái)越多，UGC 數(shù)據(jù)量急劇增加，帶來(lái)大量的需求和機(jī)會(huì)，因此整個(gè)移動(dòng)互聯(lián)網(wǎng)的產(chǎn)業(yè)鏈、市場(chǎng)空間遠(yuǎn)遠(yuǎn)大于 PC 互聯(lián)網(wǎng)，因?yàn)橛?jì)算終端無(wú)所不在，攝像頭獲取數(shù)據(jù)的設(shè)備無(wú)限大，市場(chǎng)很大會(huì)帶來(lái)更多發(fā)展的機(jī)會(huì)，相關(guān)的企業(yè)也將越來(lái)越多。

然而，我們應(yīng)該清楚，計(jì)算機(jī)視覺(jué)技術(shù)現(xiàn)在還處于發(fā)展較前期的前階段，能夠解決一些問(wèn)題，但是更多地是做到識(shí)別模式，而不是理解，也就是偏感知層面，最終還需要向認(rèn)知層面努力，建立起對(duì)圖的深度理解，但目前從技術(shù)層面上來(lái)說(shuō)還沒(méi)有一個(gè)特別好的解決方案，跨越感知和認(rèn)知之間的鴻溝將是一個(gè)艱難的過(guò)程。

談到計(jì)算機(jī)視覺(jué)未來(lái)的發(fā)展趨勢(shì)，黃飛躍表示優(yōu)圖將緊跟行業(yè)產(chǎn)業(yè)的趨勢(shì)，目前他比較關(guān)注的是 5G，5G 將使流量帶寬越來(lái)越大，手機(jī)終端計(jì)算能力越來(lái)越強(qiáng)，多媒體的處理、短視頻也可能出現(xiàn)更豐富的表現(xiàn)形式。另外，AR/VR、短視頻等也將成為計(jì)算機(jī)視覺(jué)應(yīng)用較多的場(chǎng)景。