入圍CVPR最佳論文，這項(xiàng)AI基礎(chǔ)研究讓我們對(duì)虎牙刮目相看

曉查 2019-07-02 12:48:47 來源：量子位

曉查 發(fā)自 凹非寺

量子位 報(bào)道 | 公眾號(hào) QbitAI

AI正在變革視頻行業(yè)，玩法越來越豐富。

近年來，越來越多的AI技術(shù)開始應(yīng)用到視頻網(wǎng)站中：

從簡(jiǎn)單的圖像和行為識(shí)別，可以像文字搜索一樣搜索圖像，還能后期“無中生有”各種各樣的效果。

到視頻直播實(shí)時(shí)特效，美白塑形長(zhǎng)腿，都能實(shí)時(shí)完成。最終還有完成換臉。

去年熱門的“語義分割”技術(shù)讓實(shí)時(shí)彈幕不再擋住主播的臉。

或許你也會(huì)問，AI對(duì)視頻的變革，下一步會(huì)從何種維度展開？

CVPR上的眾多新研究，“異口同聲”的主題應(yīng)該可以給你答案：這就是“行為預(yù)測(cè)”方向。

其中最典型的的是，今年上半年李飛飛團(tuán)隊(duì)發(fā)表的一篇論文，當(dāng)時(shí)引起不小的轟動(dòng)。

光流法可以作為行為預(yù)測(cè)的一種方法。

而在不久前結(jié)束的CVPR上，中國(guó)互聯(lián)網(wǎng)公司虎牙，也是在這一領(lǐng)域提交了新論文《SelFlow: Self-Supervised Learning of Optical Flow》，在光流法的問題上取得了開創(chuàng)性的突破。

虎牙這篇論文從CVPR 2019接收的1294篇論文中脫穎而出，入選了今年的最佳論文決賽（Best Paper Finalists）。

虎牙這項(xiàng)研究在為何能在受到CVPR論文評(píng)審們的青睞？

首先要從光流說起。

光流

什么是光流（Optical Flow）？所謂光流是空間運(yùn)動(dòng)物體在觀察成像平面上的像素運(yùn)動(dòng)的瞬時(shí)速度。

根據(jù)物體在相鄰兩幀上的位置的變化可以計(jì)算光流。

通俗地說，光流場(chǎng)反映了圖像里每個(gè)像素點(diǎn)的運(yùn)動(dòng)趨勢(shì)，可以看做是各個(gè)像素點(diǎn)的運(yùn)動(dòng)矢量場(chǎng)，它包含了圖像中物體運(yùn)動(dòng)速度的大小和方向。

光流在物體軌跡跟蹤、3D重建、自動(dòng)駕駛等場(chǎng)景中都有著廣泛的應(yīng)用。

光流法是利用圖像序列中像素在時(shí)間域上的變化以及相鄰幀之間的相關(guān)性來找到上一幀跟當(dāng)前幀之間存在的對(duì)應(yīng)關(guān)系，從而計(jì)算出相鄰幀之間物體的運(yùn)動(dòng)信息的一種方法。

可以說，光流包含著運(yùn)動(dòng)圖像中最基本的信息。而往往越是基礎(chǔ)的研究越是有著廣泛的應(yīng)用。

廣泛的應(yīng)用場(chǎng)景

光流這個(gè)上世紀(jì)40年代提出的概念，目前在在圖像視頻處理、計(jì)算機(jī)視覺的許多問題上都發(fā)揮著重要的作用。

光流的應(yīng)用包括不僅能推斷的物體的運(yùn)動(dòng)狀態(tài)，還能預(yù)測(cè)物體的結(jié)構(gòu)和場(chǎng)景環(huán)境等。因此，光流法可以用于自動(dòng)駕駛、軌跡跟蹤、3D結(jié)構(gòu)重建、運(yùn)動(dòng)檢測(cè)、圖像分割等方面。

另外，光流的概念最早是由一位心理學(xué)家提出，它是人類對(duì)運(yùn)動(dòng)和環(huán)境結(jié)構(gòu)認(rèn)知的心理過程，是人類視覺的關(guān)鍵組成部分。因此研究光流可以學(xué)習(xí)如何將人類的能力轉(zhuǎn)換為計(jì)算機(jī)視覺能力，這在機(jī)器視覺領(lǐng)域同樣至關(guān)重要。

掌握了計(jì)算機(jī)視覺基礎(chǔ)的“魔法”，就能在AI產(chǎn)品落地中玩出更多花樣，在直播中加入更多的AI。

比如用光流預(yù)測(cè)直播畫面中人物的行為，在某些有害的信息出現(xiàn)前就及時(shí)做出預(yù)防；用3D結(jié)構(gòu)重建實(shí)現(xiàn)更低成本的VR直播，等等。

業(yè)界領(lǐng)先

既然光流的用處這么大，于是來自虎牙的AI研究團(tuán)隊(duì)提出了一個(gè)大膽的想法：用卷積神經(jīng)網(wǎng)絡(luò)（CNN）預(yù)測(cè)被遮擋像素的光流。

來自虎牙的AI研究員、也是這篇論文的第一作者劉鵬鵬說：這是光流研究歷史上第一次不使用額外仿真數(shù)據(jù)達(dá)到的最高準(zhǔn)確度。而且實(shí)驗(yàn)結(jié)果提交了半年以上，仍然在Sintel測(cè)試數(shù)據(jù)集上排名第一，至今未被打破。

本屆CVPR的論文提交數(shù)量為5265篇有效投稿，比去年增加56%，但接收率為卻比去年下降了3.9%，入選難度逐年上升。

計(jì)算機(jī)視覺近年來的大熱，讓基礎(chǔ)型研究在一眾論文中顯得尤為難能可貴。這篇文章能夠入選CVPR 2019最佳論文決賽也凸現(xiàn)了虎牙在AI基礎(chǔ)領(lǐng)域研究的能力。

原理簡(jiǎn)介

雖然CNN在圖像分類、目標(biāo)識(shí)別等問題上取得了巨大成功，用它來預(yù)測(cè)圖像的光流可以實(shí)時(shí)運(yùn)行并且具有高性能，但是它也存在著諸多問題。

首先，如果使用監(jiān)督學(xué)習(xí)的方法，那么CNN需要大量的標(biāo)記數(shù)據(jù)，而包含光流的圖像數(shù)據(jù)很難獲得，最后不得不依賴仿真數(shù)據(jù)。

其次，如果使用無監(jiān)督學(xué)習(xí)的方法，那么被遮擋像素的預(yù)測(cè)結(jié)果往往不佳，和不被遮擋的像素存在著較大的性能差距。

這是由于當(dāng)前無監(jiān)督的學(xué)習(xí)方法基本都是基于亮度一致性假設(shè)，通過image warping的方式，基于估計(jì)的光流warp第二張圖片來重構(gòu)第一張圖片，然后比較第一張圖片跟warp后的第二張圖片的亮度差異。

這種方法可以比較準(zhǔn)確地估計(jì)沒有被遮擋像素的光流，但是對(duì)于被遮擋像素的光流估計(jì)卻無能為力，因此對(duì)于被遮擋的像素，亮度不變假設(shè)不再成立。

如何在不使用任何標(biāo)注數(shù)據(jù)的情況下預(yù)測(cè)被遮擋像素的光流呢？

虎牙提出了一種自監(jiān)督學(xué)習(xí)方法從無標(biāo)記的數(shù)據(jù)中學(xué)習(xí)光流。這種方法從無遮擋像素中提取可靠的光流估計(jì)，并使用這些預(yù)測(cè)來學(xué)習(xí)被遮擋像素的光流。

然后，研究人員用人為制造遮擋的方法造出新的被遮擋像素?cái)?shù)據(jù)，利用之前已經(jīng)學(xué)習(xí)到的沒有被遮擋像素的光流作為監(jiān)督數(shù)據(jù)，去指導(dǎo)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)被遮擋像素的光流。

這種自監(jiān)督學(xué)習(xí)框架在MPI Sintel，KITTI 2012和KITTI 2015數(shù)據(jù)集上取得了最優(yōu)的無監(jiān)督效果。

更重要的是，這種無監(jiān)督學(xué)習(xí)方法得到的模型為有監(jiān)督學(xué)習(xí)提供了很好的初始化，消除了對(duì)仿真數(shù)據(jù)的依賴，經(jīng)過有監(jiān)督微調(diào)，在多個(gè)數(shù)據(jù)集上取得了最優(yōu)性能。

展望

光流法在計(jì)算機(jī)視覺領(lǐng)域的有著非常基礎(chǔ)的應(yīng)用。虎牙這次發(fā)表的基礎(chǔ)研究問題，解決了光流法在過去應(yīng)用中的一些根本難題，實(shí)驗(yàn)結(jié)果達(dá)到了目前業(yè)界最先進(jìn)的水平，乃至在半年多的時(shí)間里沒有對(duì)手能超越。

虎牙的這項(xiàng)研究未來不僅對(duì)直播行業(yè)的產(chǎn)生重大影響，提高網(wǎng)絡(luò)直播的AI含金量，還能在自動(dòng)駕駛等熱門AI領(lǐng)域發(fā)揮重要作用。

虎牙今后是不是會(huì)用手中的AI技術(shù)去參與更多的跨界行動(dòng)？我們不敢妄加猜測(cè)，但至少虎牙已經(jīng)在CVPR中讓我們刮目相看了。