愛(ài)奇藝多模態(tài)技術(shù)沙龍 | 愛(ài)奇藝路香菊：視頻人物識(shí)別關(guān)鍵技術(shù)及其應(yīng)用

liming 2019-04-30 18:13:28 來(lái)源：量子位

主講人 | 路香菊 愛(ài)奇藝科學(xué)家

張康 編輯整理

量子位編輯 | 公眾號(hào) QbitAI

近日，愛(ài)奇藝技術(shù)沙龍“多模態(tài)視頻人物識(shí)別的關(guān)鍵技術(shù)及應(yīng)用”成功舉辦，愛(ài)奇藝科學(xué)家路香菊出席并作出精彩分享。

路香菊博士，愛(ài)奇藝科學(xué)家，PersonAI團(tuán)隊(duì)負(fù)責(zé)人，專(zhuān)注人物識(shí)別及視頻分析，創(chuàng)建百萬(wàn)人物庫(kù)及兩萬(wàn)卡通庫(kù)。組織創(chuàng)辦“愛(ài)奇藝多模態(tài)視頻人物識(shí)別賽”，開(kāi)放全球首個(gè)影視視頻人物數(shù)庫(kù)iQIYI-VID。

以下為路香菊分享實(shí)錄：

今天給大家分享的主題是“愛(ài)奇藝多模態(tài)人物識(shí)別及其應(yīng)用”，主要有三個(gè)方面：

人物識(shí)別：主要指人的身份識(shí)別；

智能創(chuàng)作：優(yōu)質(zhì)信息流內(nèi)容是比較寶貴的，給大家分享AI在創(chuàng)作里的能力；

多模態(tài)AI競(jìng)賽：愛(ài)奇藝多模態(tài)視頻人物識(shí)別AI競(jìng)賽，以及iQIYI-VID人物視頻庫(kù)。

人物識(shí)別

人臉識(shí)別可能大家都不陌生，但人物識(shí)別并不等同于人臉識(shí)別。人物識(shí)別除了通過(guò)人臉識(shí)別，也可以采用其他技術(shù)，比如說(shuō)人體（reID）、聲紋等。當(dāng)然愛(ài)奇藝主要是視頻資源，針對(duì)明星會(huì)采用人臉識(shí)別，針對(duì)動(dòng)漫等卡通劇，會(huì)采用虛擬人物識(shí)別。

這是愛(ài)奇藝人物識(shí)別簡(jiǎn)單的技術(shù)總藍(lán)圖，通過(guò)這張圖可以比較形象的認(rèn)識(shí)人物識(shí)別，分為FaceAI，BodyAI，AudioAI。

FaceAI是廣義的人臉識(shí)別，但是除了人臉，還包含更多屬性，如五官定位、是否戴眼鏡、表情，以及人臉質(zhì)量、姿態(tài)、顏值、種族等等之類(lèi)的，是廣義的人臉信息。

BodyAI除了我剛才說(shuō)的reID（人的姿態(tài)、身體特征），還可以通過(guò)服飾、職業(yè)、體型等屬性來(lái)確定一個(gè)人的身份。

AudioAI主要是指聲紋,比如音樂(lè)類(lèi)型,聲音類(lèi)型,音頻分類(lèi)等工作，是指比較立體的AI信息。

愛(ài)奇藝人臉識(shí)別模型

愛(ài)奇藝的人臉識(shí)別模型，除了人臉的身份之外，還有其屬性信息，目前線上跑的模型包含12個(gè)屬性，比工業(yè)界的其他公司模型要更全面。愛(ài)奇藝人臉識(shí)別與屬性模型十五合一，其每個(gè)屬性的指標(biāo)都在行業(yè)內(nèi)領(lǐng)先，一個(gè)模型可以同時(shí)識(shí)別身份屬性，且各項(xiàng)屬性的識(shí)別精度也比較高。

愛(ài)奇藝的人物庫(kù)，包含120萬(wàn)名人，2萬(wàn)虛擬形象（卡通人物）。目前人臉識(shí)別精度最高的是ArcFace，可以達(dá)到99.8的精度。愛(ài)奇藝和ArcFace做過(guò)比較，是領(lǐng)先于它的。

愛(ài)奇藝的模型之所以達(dá)到這么高的精度，主要是因?yàn)槲覀冇幸粋€(gè)大規(guī)模的明星數(shù)據(jù)庫(kù)，這個(gè)數(shù)據(jù)庫(kù)的噪聲小于0.02。

此外像分布式訓(xùn)練，還有量化、剪枝、蒸餾，還有CPU版本的OpenVINO優(yōu)化，也都是我們?cè)谶@個(gè)模型的尺寸大小上做的一些優(yōu)化的工作，這個(gè)模型一天可以分析2000以上的長(zhǎng)視頻，一個(gè)月可以分析幾十萬(wàn)的視頻總量。這對(duì)處理海量視頻是一個(gè)非常重要的一個(gè)指標(biāo)。

大家都比較熟悉這種表情包，愛(ài)奇藝這項(xiàng)技術(shù)實(shí)現(xiàn)了業(yè)內(nèi)首個(gè)表情和文案的自動(dòng)生成。一個(gè)長(zhǎng)視頻平均能提取出來(lái)100多個(gè)明星表情包，文案也是自動(dòng)生成的。除了明星，我們也在做卡通人物相關(guān)的實(shí)驗(yàn)，可以做到40多個(gè)表情包。

目前生成對(duì)抗網(wǎng)絡(luò)的應(yīng)用較多，比如GAN生成的人臉?lè)浅１普?，其?shí)生成的人臉雖然在某些樣本上取得非常逼真的效果，但目前在標(biāo)題自動(dòng)生成、畫(huà)面自動(dòng)生成領(lǐng)域都還沒(méi)有十分成熟。舉例來(lái)說(shuō)，生成卡通形象，有些生成的很好，但有時(shí)鼻子就跑到腦袋上了。

愛(ài)奇藝表情文案生成采用了配準(zhǔn)的方式。對(duì)于明星表情包，我們首先檢測(cè)出他的Action Unit，然后將AU的特征向量與GIF庫(kù)中的特征向量配準(zhǔn)，再根據(jù)顏值、性別等信息，把相應(yīng)GIF上的文案放到明星的表情包上。配準(zhǔn)的效果要好很多，不會(huì)出現(xiàn)特別怪異的文字或畫(huà)面。

愛(ài)奇藝人臉識(shí)別的應(yīng)用

愛(ài)奇藝有海量的明星資源，需要把視頻的信息結(jié)構(gòu)化，需要知道視頻里人物的相關(guān)信息。下面分享幾個(gè)應(yīng)用場(chǎng)景。

“愛(ài)創(chuàng)媒資系統(tǒng)”應(yīng)用于后期制作，“藝匯”可應(yīng)用于導(dǎo)演智能選角。這兩個(gè)應(yīng)用在2018年分別獲得CCF科學(xué)技術(shù)進(jìn)步杰出獎(jiǎng)和優(yōu)秀獎(jiǎng)。

舉例說(shuō)明：

AI剪輯師綜藝的制作方式：有幾個(gè)人在舞臺(tái)上跳舞，臺(tái)下有很多機(jī)器進(jìn)行拍攝，而拍攝的視頻資源跟節(jié)目資源比例大約是1000:1以上。也就是說(shuō)你看到的一個(gè)小時(shí)的節(jié)目，后期制作人員要處理一千個(gè)小時(shí)以上的視頻素材。因此后期人員如果想在這大量的視頻素材中找到某個(gè)人的一些鏡頭，非常耗人力、耗時(shí)間。而通過(guò)人臉識(shí)別就可以快速實(shí)現(xiàn)某個(gè)人的鏡頭索引，還可以對(duì)其表情、首飾等打標(biāo)簽，實(shí)現(xiàn)視頻編目的自動(dòng)化。

在愛(ài)奇藝APP中，通過(guò)“只看Ta”功能，可以實(shí)現(xiàn)只看某個(gè)演員或者某對(duì)CP的功能，這是AI人物識(shí)別在愛(ài)奇藝的典型應(yīng)用之一。此外還有助于演員回顧自己演戲的內(nèi)容。

另一個(gè)應(yīng)用是AI雷達(dá)功能，用戶在看電視的時(shí)候，可以通過(guò)按遙控器識(shí)別畫(huà)面中的人物，識(shí)別同款服飾、車(chē)等實(shí)現(xiàn)商品的檢測(cè)。

智能創(chuàng)作

智能創(chuàng)作是一個(gè)非常綜合的AI應(yīng)用，想要讓AI生成一個(gè)觀賞性很強(qiáng)的視頻，需要我們對(duì)畫(huà)面、聲音、文本以及畫(huà)面效果等進(jìn)行綜合分析，才能產(chǎn)出比較有觀賞性的視頻。

人工剪輯視頻，需要在音頻素材、音樂(lè)類(lèi)型、海量視頻素材中挑選、剪輯，非常耗時(shí)，而且不同剪輯師的差異非常大。

而AI更方便利用海量的素材，做成模板、量化生產(chǎn)，而且可以實(shí)現(xiàn)任意技術(shù)的組合，能制作出很多不同風(fēng)格的視頻。

AIWorks可以實(shí)現(xiàn)根據(jù)劇本自動(dòng)搜索素材，智能生成符合某個(gè)話題的視頻集錦，支持不同畫(huà)面的不同輸出方式，如橫豎屏效果、自動(dòng)卡點(diǎn)配樂(lè)、臺(tái)詞集錦、CP 等。

比如臺(tái)詞搜索功能，涉及到的技術(shù)主要包括人臉識(shí)別、人臉表情等屬性識(shí)別、場(chǎng)景識(shí)別、服飾和職業(yè)識(shí)別、臺(tái)詞 OCR、NLP、聲音和音樂(lè)檢測(cè)、音樂(lè)節(jié)拍點(diǎn)提取、鏡頭切分、專(zhuān)場(chǎng)特效、視頻濾鏡等模態(tài)。

臺(tái)詞分析是很好的劇情統(tǒng)計(jì)解決方案，對(duì)與智能創(chuàng)作也非常有幫助。

漫威老爺子在他導(dǎo)演的100 多部大片中，均有幾秒鐘的客串鏡頭，如果想剪輯出只有他出現(xiàn)的鏡頭并拼接成短視頻，純?nèi)斯ぜ糨嫀煹墓ぷ髁亢凸ぷ麟y度有多大可想而知。但是AIWorks通過(guò)人物識(shí)別，可以在1分鐘內(nèi)完成，這也是AI的優(yōu)勢(shì)之一：AI可以在海量的素材中，精準(zhǔn)找到我們想要的特定內(nèi)容。

我們可以看到，上述智能創(chuàng)作應(yīng)用了非常多技術(shù)，包括美學(xué)的，鏡頭切分的，人物識(shí)別的，表情分析的，音樂(lè)卡點(diǎn)的等等。一個(gè)完整的智能創(chuàng)作解決方案，基本上用到了目前所有的AI技術(shù)。

有很多人問(wèn)過(guò)我，AI是不是會(huì)取代剪輯師？我覺(jué)得這是永遠(yuǎn)不可能的。比如一些復(fù)雜場(chǎng)景的畫(huà)面，AI很難去理解其中的含義。人類(lèi)的創(chuàng)造力非常強(qiáng)，AI取代不了高水準(zhǔn)的藝術(shù)家、創(chuàng)作師、內(nèi)容制作群體，但是AI可以幫助他們提高制作效率，創(chuàng)作出高品質(zhì)的作品。

愛(ài)奇藝AI競(jìng)賽

多模態(tài)技術(shù)和應(yīng)用難點(diǎn)

最后我介紹一下愛(ài)奇藝“多模態(tài)視頻人物識(shí)別挑戰(zhàn)賽”以及iQIYI-VID數(shù)據(jù)庫(kù)。

為什么多模態(tài)是必要的？通過(guò)上述介紹，可以發(fā)現(xiàn)，單純的人臉識(shí)別，或者聲紋模型，或者五官定位，都只是單一的問(wèn)題。而我們希望AI能為我們提供一些solution，是技術(shù)的綜合使用。

目前國(guó)內(nèi)多模態(tài)研究的發(fā)展速度非?？欤⑶胰〉昧艘欢ǖ倪M(jìn)展，但是還有非常大的發(fā)展空間。多模態(tài)信息之間怎么融合，如何訓(xùn)練、加速等問(wèn)題還在探索當(dāng)中。

因此愛(ài)奇藝從2018年開(kāi)始舉辦多模態(tài)人物識(shí)別競(jìng)賽，并發(fā)布了視頻數(shù)據(jù)庫(kù)iQIYI-VID，希望引起學(xué)術(shù)界對(duì)人物識(shí)別的持續(xù)關(guān)注和研究。借助iQIYI-VID數(shù)據(jù)集，可以拓展人臉識(shí)別技術(shù)，推進(jìn)多模態(tài)人物識(shí)別技術(shù)創(chuàng)新，以解決大數(shù)據(jù)時(shí)代實(shí)際視頻媒體人物信息結(jié)構(gòu)化的需求，把更多的學(xué)術(shù)成果轉(zhuǎn)化成實(shí)際中的生產(chǎn)力。

愛(ài)奇藝多模態(tài)視頻人物識(shí)別挑戰(zhàn)賽

今年，愛(ài)奇藝與ACMMM聯(lián)合舉辦多模態(tài)挑戰(zhàn)賽，向全球參賽者開(kāi)放最接近實(shí)際媒體應(yīng)用場(chǎng)景的視頻人物數(shù)據(jù)集（iQIYI-VID-2019）。

數(shù)據(jù)集包含復(fù)雜場(chǎng)景下10000名明星人物、200小時(shí)、20萬(wàn)條影視劇與短視頻。經(jīng)過(guò)嚴(yán)格的人工標(biāo)注，抽樣精度大于99.8，有利于評(píng)價(jià)模型性能，也非常有挑戰(zhàn)性。

iQIYI-VID數(shù)據(jù)集在業(yè)界難度比較大，能夠給大家提供更好的發(fā)揮空間，并且參賽者在后續(xù)也可以發(fā)出很好的論文。去年Arcface的一個(gè)團(tuán)隊(duì)參加了愛(ài)奇藝多模態(tài)視頻人物識(shí)別挑戰(zhàn)賽，取得了第一名，并且今年發(fā)表了一篇論文，中了2019 CVPR的Oral Paper。

參加本次挑戰(zhàn)賽，能在視頻人物識(shí)別算法上利用頭部、聲音、人體等多模態(tài)特征融合信息和更少的模型，進(jìn)一步將精準(zhǔn)度提高，能夠在視頻人物身份識(shí)別技術(shù)上取得重要突破。

本次大賽，目前已有來(lái)自世界各地的235支隊(duì)伍參與報(bào)名。參賽隊(duì)伍有來(lái)自Nvidia、ReadSens、百度、科大訊飛，網(wǎng)易等公司的企業(yè)團(tuán)隊(duì)，也不乏來(lái)自UCL、埃克塞特大學(xué)、清華大學(xué)、中科院等海內(nèi)外知名學(xué)府的高校團(tuán)隊(duì)。

iQIYI-VID-2019已于4月29日開(kāi)放結(jié)果入口，具體上傳方式參見(jiàn)Help_Document。文檔下載鏈接：http://challenge.ai.iqiyi.com/detail?raceId=5c767dc41a6fa0ccf53922e7&tabIndex=1

本次大賽的報(bào)名截止日期為5月10日，歡迎有志團(tuán)隊(duì)把握好時(shí)間，報(bào)名參與。報(bào)名鏈接：http://challenge.ai.iqiyi.com/detail?raceId=5c767dc41a6fa0ccf53922e7

— 完 —

誠(chéng)摯招聘

量子位正在招募編輯/記者，工作地點(diǎn)在北京中關(guān)村。期待有才氣、有熱情的同學(xué)加入我們！相關(guān)細(xì)節(jié)，請(qǐng)?jiān)诹孔游还娞?hào)(QbitAI)對(duì)話界面，回復(fù)“招聘”兩個(gè)字。

量子位 QbitAI · 頭條號(hào)簽約作者

?’?’ ? 追蹤AI技術(shù)和產(chǎn)品新動(dòng)態(tài)