阿里文娱资深算法专家任海兵：CV 落地最大的挑战是算法的稳定性

计算机视觉已发展多年，近年来，该技术已经成为了人工智能领域最为“吸睛”的方向之一，不仅吸引了大量的投资，也吸引了不少 AI 技术专家进行钻研。但是，随着整个 AI 行业“退烧”，落地难也成为了计算机视觉领域的难题，算法的质量及稳定性尤其引人关注。

在将于 7 月 24 日 -25 日举办的 AICon 全球人工智能与机器学习大会（上海站） 上，阿里巴巴文娱资深算法专家任海兵将作为计算机视觉专题出品人，InfoQ 提前对任海兵老师进行了专访，请他来谈一谈深耕计算机视觉二十余年总结的经验与思考。

InfoQ：您是如何与计算机视觉结缘的，并在这个领域深耕二十余年的？

任海兵：本科五年级上学期的时候，我后来的博士导师徐光佑教授跟我说，计算机视觉是特别富有挑战性的研究领域，研究的课题都很困难，可以研究一辈子。我觉得：这个方向可以研究一辈子，感觉挺有意思的，所以就选择了计算机视觉做为我的直博专业方向。从此就跟计算机视觉结缘，一路下来二十多年了。

InfoQ：深耕计算机视觉二十余年，您能否用几句话总结下您的心得和收获？

任海兵：在这二十年中，我主要从事将计算机视觉算法落地工业场景的工作。最大的体会是，由于计算机视觉算法的局限性，我们需要对落地场景非常了解，定制化的设计解决方案，不能闭门造车。因为看似非常相似的落地场景，具体分析下来对算法的要求、评估方式等差别很大，常常需要结合实际场景定制化的去设计最优解决方案。那种希望用一种算法解决各种问题的想法是不切实际的。

InfoQ：过去一年中（2019 年），您认为在计算机视觉领域最值得关注的技术突破有哪些？能否谈谈原因。

任海兵：在过去的一年中，我最关注的技术是视频物体分割。2019 年出现的 space-time memory network 算法极大的提高了视频物体分割的准确性和计算速度，指出了视频物体分割技术的新发展方向。结合 CVPR 2020 该方向的论文投稿来看，视频物物体分割技术沿着这个方向将会有持续的提高，逐渐成熟起来。

InfoQ：能否请您用几个例子来谈谈，目前阿里巴巴在计算机视觉方面有哪些应用场景？

任海兵：阿里巴巴是个巨大的经济体，其业务涉及非常多的领域。其中很多领域中，计算机视觉起着重要的作用。例如智慧城市中的安防监控，智能交通中 3D 城市重建、文化娱乐产业中素材智能生产等。

InfoQ：在这些场景中，您负责的项目有哪些？有哪些重要的突破是您认为值得分享的？

任海兵：跟阿里文娱相关的场景是文化娱乐产业中素材智能生产。由于素材生产的目的是给人观看，因此不能有肉眼可见的瑕疵，这对素材智能生产提出了很高的要求。以前的素材生产，例如图像抠图，都是纯手工 PS，费时费力。这两年在图像分割领域取得了巨大的成就。既有图像语义理解、实例分割、全景分割，又有精细抠图 (image matting) 和显著性区域分割。综合这些技术，我们可以得到高精度的图像抠图解决方案。下面给出几个我们的抠图结果：

InfoQ：从技术的研发到落地，您认为最大的挑战是什么？是否有可以分享的经验？

任海兵： 我最近的工作主要跟 视频内容智能生产 相关，从这个方面看，目前最大的挑战还是算法的稳定性。在一个视频中，如果有一帧图像的结果不好，那么整个视频都是不合格的。我的一项经验是，有些领域目前业界算法还不能达到全自动的智能生产，例如视频抠图，但可以辅助很少量的人工交互，利用交互式视频抠图算法，达到效率和精度的一个平衡。

InfoQ：在您看来，计算机视觉接下来会如何发展？您和团队有什么重点规划？

任海兵：我认为，目前人工设计网络已经到达一个瓶颈阶段，接下来深度网络的自动搜索将引领计算机视觉登上一个新的高峰，我的团队也将在这个方向进行布局。

采访嘉宾介绍

任海兵，阿里巴巴资深算法专家，2003 年清华大学计算机系计算机应用专业博士毕业。先在三星中国技术院工作 11 年，先后担任计算机视觉和医疗图像算法团队负责人，曾带领团队获得 FRGC 人脸识别竞争第一名。2014 年加入英特尔中国研究院，从事机器人视觉感知研究工作。2018 年底，任海兵加入阿里文娱摩酷实验室，从事视频理解算法研究。任海兵在计算机视觉领域有 20 多年的研究经验，担任 CVPR、ICCV、ECCV 等国际顶级学术会议审稿人，发表 40 余篇论文，拥有 30 多项专利。