美图吴欣鸿预测未来十年趋势 AI 技术占一半
5月18日,美图公司在北京举办“美图秀秀十年分享派对”。美图公司创始人兼CEO吴欣鸿提出了美与社交的战略布局,并预测了图片影像领域十大趋势。
吴欣鸿首先回顾了美图秀秀十年历程——
2008年,美图秀秀电脑版正式上线,让用户轻松美化图片,打破了修图的技术壁垒。2011年,美图秀秀移动端上线,用手机即可随时随地实现图片美化。2013年,美图秀秀在业内率先推出特效自拍和美颜自拍。其后两年,随着AR技术的成熟,美图秀秀陆续推出萌拍、美妆等功能,引导多元化拍照趋势。2017年以来,美图秀秀率先基于人工智能技术推出了手绘自拍、绘画机器人等功能红遍全球。
十年美图秀秀见证并引领了主流审美趋势的变迁。吴欣鸿指出,这十年来,中国社会经历着一场“自我觉醒”:人们的消费观念发生颠覆性的变化,对生活品质的追求日趋精致;90后、00后逐渐掌握话语权,自我投射,渴
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
数据存储、人工智能和IO模式
人工智能是计算领域的热门话题之一,并且有着充分的理由。深度学习(DL)中的新技术在某些问题上有能力创建比人类精确度更好的神经网络。图像识别是深度学习(DL)模型如何在识别图像中的对象(对象检测和分类)方面实现比人类准确性更好的一个例子。 ImageNet竞赛就是一个例子。自2010年以来,ImageNet大规模视觉识别挑战(ILSVRC)已被用作图像识别改进的衡量标准。在2011年,其错误率约为25%(该工具可以正确识别培训数据集之外的75%的图像)。2012年,深度神经网络(DNN)的错误率降低到16%。在接下来的几年里,其错误率将降至个位数。在2017年,36支参赛团队中有29人的失误率低于5%,这通常要比人类识别做的更好。 深度学习使用各种类型的神经网络,可应用于各种各样的问题。创建深度学习模型通常有两个主要步骤:第一步就是所谓的训练。这是让模型重复读取输入数据集,并调整模型参数以最小化错误(正确输出与计算输出之间的差异)的过程。这一步需要大量的输入,需要极端大量的计算量。 第二步发生在模型训练后,称之为推理。这是训练模型在生产中的部署。生产意味着该模型可用于读取未用于培训的数据...
- 下一篇
图像识别攻击还没完全解决,语音识别攻击又来了!
当前的语音识别技术发展良好,各大公司的语音识别率也到了非常高的水平。语音识别技术落地场景也很多,比如智能音箱,还有近期的谷歌 IO 大会上爆红的会打电话的 Google 助手等。本文章的重点是如何使用对抗性攻击来攻击语音识别系统。本文发表在 The Gradient 上,雷锋网将全文翻译如下。 假设你在房间的角落放一台低声嗡嗡作响的设备就能阻碍 NSA 窃听你的私人谈话。你会觉得这是从来自科幻小说吗?其实这项技术不久就会实现。 今年 1 月,伯克利人工智能研究人员 Nicholas Carlini 和 David Wagner 发明了一种针对语音识别 AI 的新型攻击方法。只需增加一些细微的噪音,这项攻击就可以欺骗语音识别系统使它产生任何攻击者想要的输出。论文已经发表在 https://arxiv.org/pdf/1801.01944
相关文章
文章评论
共有0条评论来说两句吧...