盤點2018年計算機視覺領域技術突破

回顧2018年，是屬于人工智能的一年，不論是Google、Facebook、Intel、阿里巴巴等通過產業(yè)布局進入人工智能領域的互聯網企業(yè)，亦或如曠視科技Face++、極鏈科技Video++、優(yōu)必選科技這樣直接以人工智能起家的原生技術企業(yè)，都將AI注入到每個角落，掀起了一輪又一輪的技術高潮。

因而，除了NLP研究突破接連不斷，CV領域同樣精彩紛呈，伴隨著各式各樣落地應用如此接近人們的生活，技術也變得越發(fā)成熟。本文整理了在2018年，在CV技術領域取得的最主要的一些重大技術突破。

BigGAN發(fā)布

Ian Goodfellow在2014年設計了GAN，在之后的幾年中，圍繞這個概念產生了多種多樣的應用程序。

其中，在ICLR 2019論文中出現的BigGAN，同樣是一個GAN，只不過更強大，是擁有了更聰明的課程學習技巧的GAN，由它訓練生成的圖像連它自己都分辨不出真假，因為除非拿顯微鏡看，否則將無法判斷該圖像是否有任何問題，因而，它更被譽為史上最強的圖像生成器。

在計算機圖像研究史上，BigGAN帶來的突破是劃時代的，比如在ImageNet上進行128×128分辨率的訓練后，它的IS得分能達到166.3，是之前最佳得分52.52分3倍；除了搞定128×128小圖之外，BigGAN還能直接在256×256、512×512的ImageNet數據上訓練，生成更讓人信服的樣本。

英偉達Video-to-Video Synthesis

英偉達在2018年的收獲頗豐，他們的研究焦點從標準的監(jiān)督學習轉向更具挑戰(zhàn)性的機器學習，如半監(jiān)督學習，領域適應，主動學習和生成模型等。其中，由英偉達在2018年末發(fā)布的最大成果之一便是視頻到視頻生成（Video-to-Video synthesis），它通過精心設計的發(fā)生器、鑒別器網絡以及時空對抗物鏡，合成高分辨率、照片級真實、時間一致的視頻，實現了讓AI更具物理意識，更強大，并能夠推廣到新的和看不見的更多場景。

因而，Video-to-Video Synthesis也被看作是在過去幾年中，視頻領域的一次重大突破，畢竟從靜態(tài)框架轉換為動態(tài)框架的難度是很大的，但機器訓練卻在盡量模擬預測視頻將會發(fā)生的情景，通過給定的輸入視頻學習映射函數，產生仿真度極高的視頻內容。

Fast.ai18分鐘訓練ImageNet

在普遍認知還停留在需要大量計算資源來執(zhí)行適當的深度學習任務時，Fast.ai通過使用16個公共AWS云實例，每個配備8個NVIDIA V100 GPU，運行fast.ai和PyTorch，用18分鐘在ImageNet上將圖像分類模型訓練到了93%的準確率，刷新了一個新的速度記錄。

這是一個令人驚喜的結果，尤其在公共基礎設施上訓練ImageNet能達到這種準確性，并且比其專有TPU Pod群集上的谷歌DAWNBench記錄快40％，運行成本僅約為40美元。這意味著一個關鍵的里程碑出現了，幾乎所有人都可以在一個相當大的數據集上訓練大規(guī)模神經網絡。

除了這些重要的節(jié)點之外，2018年的計算機視覺技術也部署更多方面，不論是亞馬遜發(fā)布Rekognition將計算機視覺置于開發(fā)人員、微軟為OneDrive和SharePoint推出了新的AI服務、Google相冊讓我們的記憶變得可搜索、還是每個場景下都正在逐漸普及的AI人臉識別等等，計算機視覺正在逐步滲透到我們生活的每個部分。

最后，最值得注意的是，計算機視覺的市場增長幾乎與其技術能力的增長是一樣快的，預計到 2025年，計算機視覺領域會帶來超過262億美元的收益，因而在人工智能的未來里，計算機視覺一定是最有力的表現形式，并將隨處可見。