AISS1 视觉

Score Policy

分数组成	占比（%）
平时分	35
proj-2~3人组队进行Facechain新风格化生成-提交PR:zju_组名_XXX 9.8中期报告:学习review + 项目计划(~1000字) 9.15 项目答辩, final version	65

概况

完整链路 ：内容-信号增强-压缩技术-计算处理-输出端

应用举例： 电梯拥挤程度、基于遥感的、瑕疵检测等

分类树

• 模态

• 对象

• 功能

• 场景：工业、电商

• 图象技术

• 视频技术（基于图像技术的增加时域的）：场景识别、检测分割生成etc

• 3d视觉：渲染呈现，AR，VR

整体趋势

• 功能：从理解到生成
• 模型参数：从小到大
• 模态&任务：从单到多
• 对象：从闭（集）到开（集）
• 基于知识和反馈的训练(e.g.将人类的反应纳入训练过程+强化学习)

视觉感知理解技术

1. 物品识别/人脸识别/生物识别
2. 图象分类&检测：VIT，YOLOK
3. ai for medic/交通/人体关键点
4. 分割

经典生成编辑技术

发展历程

GAN - 扩散模型 - GAN+ - DDPM - 扩散+ - SD

• For 视觉生产：

  视频增强: 清晰度(超分),色彩增强,去抖动,去噪,
  生成编辑: 风格化,视觉生成

视觉大模型

SAM / Grounded SAM

Control Net: 可控的图象生成

Composer: 可组合的图象生成