当前位置: 首页 > ops >正文

如何用AI主动突出画面主体!涂鸦新方案助剪辑、工业巡检、医疗影像等领域,实现自动追踪+智能放大

随着智能 IPC 设备(如安防摄像头、宠物陪伴机器人、婴儿监视器等)日益普及,越来越多的生活场景被实时记录。然而在实际使用中,由于设备安装位置不当、广角镜头视野过大等原因,经常会出现拍摄主体占比过小的问题,导致"全景清晰而主体模糊",严重影响用户的观看体验。

在这里插入图片描述

一、涂鸦 AI 推理模型自动突出主体

因此,涂鸦重磅推出 On-App AI 视频主体突出解决方案,利用涂鸦赋能 App 的 AI 能力对画面进行实时目标检测,自动定位、识别主体后,再利用图像算法对其进行智能自适应放大,使主体更突出、画面更聚焦。最后,对处理完成的视频进行编码与封装,即可输出经过优化的视频内容。

该方案适合拓展应用至生活各个场景中,如:

  • 在室内监护中,可用于婴儿看护、宠物监测、宠物机器人等设备;
  • 在医疗影像或科研中,可结合内镜或其他医疗设备突出术野关键区域;
  • 在户外记录时,可用于智能喂鸟器、狩猎摄像机、自然景观摄像机等设备;
  • 在安防与工业检测中,可用于巡检、维修等需要检查局部细节的设备。

a.例如针对家庭场景里的小猫,摄像头会自动识别主体并进行画面放大👇:

在这里插入图片描述
在这里插入图片描述
b.在户外复杂场景下,涂鸦 On-App AI 视频主体方案依然能够精准识别目标对象,并进行动作追踪和画面放大。戳视频,直观体验生成效果👇:

【插入视频】

二、详解涂鸦 AI 视频主体突出技术

1、整体技术架构介绍

在涂鸦所有的 AI 产品/硬件解决方案中, 我们打通了端到端的 AI 能力:即设备端、云端、App 端三端协同。通过将先进的 AI 推理模型部署到涂鸦赋能 App 上,能够助力品牌商与开发者将先进的 AI 技术无缝集成到移动设备中,打造更灵活的 AI 架构、更优的用户体验、更安全的计算能力。

  • 在移动端模型的部署中,涂鸦采用了轻量化技术架构( TensorFlow Lite 等),这种技术架构的优势就在于具备高效推理、低延迟、低功耗等特点,并且支持本地模型实现离线运行、系统更新、部署等按需加载的机制,助力提高运行效率,打造更灵活的 AI 架构。
  • 图像处理技术涂鸦采用了 OpenGL ES,可实现更高效的渲染与优化,充分利用 GPU 对图像处理过程进行加速;
  • 视频编解码技术采用涂鸦平台提供的硬件解码,能够提升视频处理性能、降低 CPU 负载,确保视频流畅播放与低功耗运行。

在这里插入图片描述

(涂鸦 AI 视频主体突出技术架构图)

2、技术亮点

2.1 拥有更灵活的 AI 架构:轻量化和动态化

在这里插入图片描述
(轻量化与动态化运行流程示意图)

2.1.1 轻量级检测模型

涂鸦采用专门优化移动端的轻量级对象检测模型 EfficientDet-D0,该模型参数少、计算量小、推理速度快,可以精准检测视频中指定主体(如宠物、人物)的位置与类别。同时,基于智能分析能力可快速筛除无主体片段,有效降低计算负担,提升处理效率。

2.1.2 模型动态化

采用按需加载的动态模型管理机制,支持模型在线下载、更新与部署,确保视频应用始终使用最优模型版本,同时减少初始安装包体积,提高运行效率。

2.2 更优的用户体验:实时性和高效率

在这里插入图片描述
2.2.1 实时交互处理

该方案支持实时响应用户的交互需求。依托本地计算的高效运行,可确保流畅无延迟的用户体验,无需依赖网络,即可实现快速响应与实时处理。

2.2.2 新增防抖图像算法

在检测视频主体位置的过程中,检测框可能会发生抖动偏移,从而导致主体放大的画面也会产生抖动;针对这一问题,涂鸦增加抖动阈值,确保视频处理画面时的平滑流畅。

2.2.3 微调模型以提高准确度

涂鸦积累了海量不同场景下的主体图片,覆盖不同光照条件下白天黑夜等多个场景,数据脱敏之后,涂鸦对这些模型进行精心的训练微调,确保模型推理过程中的泛化能力。

2.3 更安全的计算能力:低成本和隐私保护

在这里插入图片描述
2.3.1 降低处理成本

涂鸦支持开发者动态调整视频帧的推理策略。在没有检测到视频主体的时候,系统会间隔多帧识别一帧;当检测到主体时,就会自动调整为间隔 3 帧检测一帧。这样就能充分利用移动端的硬件加速,显著提升视频编解码速度,降低 CPU 负载,提高整体性能。

而且,本地化处理相比云端处理的成本更低、更能节约云端负荷,算力消耗每万次减少 25 TFLOPs,节省成本约 10% 左右。

2.3.2 保护隐私安全

该方案的所有数据处理均在本地完成,显著降低时延、提高响应速度,同时避免数据外传,增强用户隐私保护,为应用提供更安全高效的计算环境。

三、开发教程与问题咨询

1、如何实现 AI 视频主体突出功能的开发?

涂鸦 On-App AI 视频主体突出方案是基于涂鸦智能 IPC 功能所打造,如要开发该方案需要先对接 IPC SDK,设备端方案可参考 IPC SDK 开发:

具体开发教程见如下链接👇:

https://t.tuya.com/AY1D3VbxRO

2、技术原理介绍

如需了解更多有关 AI 视频主体突出的技术原理和开发介绍,可复制下方链接查看详情介绍👇:

https://developer.tuya.com/cn/miniapp/solution-ai/case

在这里插入图片描述

3、开发者问题咨询

开发中如遇到任何问题,可以登录涂鸦开发者论坛进行提问,将有技术小哥随时为你解答👇:

https://www.tuyaos.com/viewforum.php?f=3

http://www.xdnf.cn/news/2033.html

相关文章:

  • BUUCTF-[ACTF新生赛2020]SoulLike
  • 伊克罗德信息亮相亚马逊云科技合作伙伴峰会,以ECRobot 智能云迁移助手在GenAI Tech Game比赛勇夺金牌!
  • 从零开始学Python游戏编程39-碰撞处理1
  • MySQL 从入门到精通
  • 【算法】单词搜索、最短距离
  • 增加首屏图片
  • MCP Server 实现笔记:开发者视角下的优缺点
  • MySQL InnoDB 存储引擎间隙锁(Gap Lock)
  • 《Pinia实战》10.手册
  • 数据结构(java)二叉树的基本操作
  • AI与思维模型【77】——PDCA思维模型
  • 1.2-1.3考研408计算机组成原理第一章 计算机系统概述
  • 【3】GD32 基础外设:GPIO、外部中断、DMA、定时器、实时时钟、看门狗
  • vue next()、next(“/“)、next({...to})、next({...to,replace:true})的区别
  • 机器人行业研究系列报告
  • 遥测终端机,推动灌区流量监测向数据驱动跃迁
  • 《遥测终端机:农业水价改革的智能助手》
  • python 环状图 (pycirclize)
  • AI与思维模型【78】——周哈里窗思维模型
  • 【Java学习笔记】二维数组
  • 嵌入式开发:基础知识介绍
  • HTML 详解:从基础结构到语义标签
  • 【MQ篇】RabbitMQ之消息持久化!
  • CI/CD自动化部署(持续集成和持续交付/部署)
  • 《修仙家族模拟器2》:游戏背景故事介绍!
  • PTA -L1-003 L1-003 个位数统计
  • 前端面试常见部分问题,及高阶部分问题
  • 产品更新丨谷云科技ETLCloud V3.9.2版本发布
  • protothread协程库实现非阻塞延时(无操作系统)
  • 前端基础之《Vue(11)—自定义指令》