近日, 手机QQ正式推出 '高能舞室' 功能, 该全新功能基于腾讯AI Lab计算机视觉中心独家支持的 '肢体动作追踪' 技术实现, 并且结合了Qualcomm骁龙神经处理引擎 (Snapdragon Neural Processing Engine, 以下简称SNPE) SDK, 将为年轻人社交提供更多个性化内容和用户体验. 手机QQ是国内备受年轻人欢迎, 体量最大的移动互联网社交APP之一. 2017年第三季度, QQ在智能移动终端的月活数量高达6.529亿. 手机QQ '高能舞室' 功能的实现是Qualcomm与腾讯在人工智能领域的首次合作, 也是SNPE在中国互联网行业的首个成功应用. 双方的合作实现了人工智能技术的入口轻量化, 把人工智能支持的领先体验带到规模更大, 更广泛的年轻用户群体中. 通过SNPE SDK, 该功能可以直接运行手机上相应的人工智能神经网络, 而无需在云端进行处理. 具体来说, 用户可以直接根据屏幕提示动作录制跳舞短视频, 并通过QQ社交关系链分享互动舞蹈视频. Qualcomm SNPE为高能舞室提供了高性能和高能效的运行环境, 将人体姿态估计识别的时间大大降低, 用户可以享受更加流畅, 有趣的舞蹈体验. 与在云端运行的人工智能相比, 在终端侧运行人工智能算法具有诸多优势, 如即时响应, 可靠性提升, 隐私保护增强, 以及高效利用网络带宽等. 为了让开发者和OEM厂商能更方便地在终端上利用异构计算, Qualcomm于2016年推出了SNPE, 使OEM厂商以及应用开发者能在诸如智能手机, 安全摄像头, 汽车以及无人机等搭载骁龙的终端上运行它们自己的神经网络模型, 且完全无须与云端相连, 就能提供由深度学习驱动的体验, 如风格转换与滤镜 (增强现实应用) , 情景探测, 面部识别, 自然语言理解, 物体追踪与规避, 手势和文本识别等. SNPE适用于骁龙600和800系列移动平台, 可支持通用深度学习框架, 如Caffe, Caffe2和Tensorflow, 并提供对自定义层的支持. 该SDK包括了运行时软件, 库, API, 离线模型转换工具, 示例代码, 文档, 以及调试与基准测试工具. 除了手机QQ '高能舞室' 之外, 已有不少开发者利用SNPE支持移动人工智能应用的案例. 例如, Facebook已宣布计划将SNPE集成到Facebook应用的相机功能中, 以促进Caffe2支持的增强现实 (AR) 特性实现. 相较于通过一般的CPU实现, Facebook可利用SNPE, 基于Adreno GPU实现5倍的性能提升, 从而在拍摄照片和直播视频时, 实现更流畅, 无缝且逼真的AR特性应用. 此外, 数款搭载骁龙移动平台的移动终端也已通过SNPE实现了更先进的终端侧人工智能体验. 例如, OPPO R11s中利用了商汤科技小型化的创新算法模型与SNPE的完美协作, 充分发挥骁龙660移动平台GPU, DSP的运算能力, 大幅提升了R11s上人工智能应用运行时的处理速度, 同时降低功耗. 以优化拍照体验为例, 在非联网状态下, 用户可以为照片实时增加人像模式和背景虚化等效果. 同样, 得益于骁龙835移动平台中所支持的SNPE, 一加5T可智能匹配人脸的128个特征, 在短短0.4秒内完成面部扫描并进行人脸识别, 帮助用户方便, 迅速地解锁手机. Qualcomm于今年12月初刚刚推出的骁龙845是Qualcomm的第三代人工智能移动平台. 与前代系统级芯片 (SoC) 相比, 骁龙845带来了近三倍的人工智能整体性能提升. 其中的SNPE SDK除了已支持Google TensorFlow和Facebook Caffe / Caffe2框架之外, 还增添了对Tensorflow Lite和新的ONNX的支持, 可帮助开发者轻松使用他们所选择的框架, 包括Caffe2, CNTK和MxNet.
近日, 手机QQ正式推出 '高能舞室' 功能, 该全新功能基于腾讯AI Lab计算机视觉中心独家支持的 '肢体动作追踪' 技术实现, 并且结合了Qualcomm骁龙神经处理引擎 (Snapdragon Neural Processing Engine, 以下简称SNPE) SDK, 将为年轻人社交提供更多个性化内容和用户体验. 手机QQ是国内备受年轻人欢迎, 体量最大的移动互联网社交APP之一. 2017年第三季度, QQ在智能移动终端的月活数量高达6.529亿. 手机QQ '高能舞室' 功能的实现是Qualcomm与腾讯在人工智能领域的首次合作, 也是SNPE在中国互联网行业的首个成功应用. 双方的合作实现了人工智能技术的入口轻量化, 把人工智能支持的领先体验带到规模更大, 更广泛的年轻用户群体中. 通过SNPE SDK, 该功能可以直接运行手机上相应的人工智能神经网络, 而无需在云端进行处理. 具体来说, 用户可以直接根据屏幕提示动作录制跳舞短视频, 并通过QQ社交关系链分享互动舞蹈视频. Qualcomm SNPE为高能舞室提供了高性能和高能效的运行环境, 将人体姿态估计识别的时间大大降低, 用户可以享受更加流畅, 有趣的舞蹈体验. 与在云端运行的人工智能相比, 在终端侧运行人工智能算法具有诸多优势, 如即时响应, 可靠性提升, 隐私保护增强, 以及高效利用网络带宽等. 为了让开发者和OEM厂商能更方便地在终端上利用异构计算, Qualcomm于2016年推出了SNPE, 使OEM厂商以及应用开发者能在诸如智能手机, 安全摄像头, 汽车以及无人机等搭载骁龙的终端上运行它们自己的神经网络模型, 且完全无须与云端相连, 就能提供由深度学习驱动的体验, 如风格转换与滤镜 (增强现实应用) , 情景探测, 面部识别, 自然语言理解, 物体追踪与规避, 手势和文本识别等. SNPE适用于骁龙600和800系列移动平台, 可支持通用深度学习框架, 如Caffe, Caffe2和Tensorflow, 并提供对自定义层的支持. 该SDK包括了运行时软件, 库, API, 离线模型转换工具, 示例代码, 文档, 以及调试与基准测试工具. 除了手机QQ '高能舞室' 之外, 已有不少开发者利用SNPE支持移动人工智能应用的案例. 例如, Facebook已宣布计划将SNPE集成到Facebook应用的相机功能中, 以促进Caffe2支持的增强现实 (AR) 特性实现. 相较于通过一般的CPU实现, Facebook可利用SNPE, 基于Adreno GPU实现5倍的性能提升, 从而在拍摄照片和直播视频时, 实现更流畅, 无缝且逼真的AR特性应用. 此外, 数款搭载骁龙移动平台的移动终端也已通过SNPE实现了更先进的终端侧人工智能体验. 例如, OPPO R11s中利用了商汤科技小型化的创新算法模型与SNPE的完美协作, 充分发挥骁龙660移动平台GPU, DSP的运算能力, 大幅提升了R11s上人工智能应用运行时的处理速度, 同时降低功耗. 以优化拍照体验为例, 在非联网状态下, 用户可以为照片实时增加人像模式和背景虚化等效果. 同样, 得益于骁龙835移动平台中所支持的SNPE, 一加5T可智能匹配人脸的128个特征, 在短短0.4秒内完成面部扫描并进行人脸识别, 帮助用户方便, 迅速地解锁手机. Qualcomm于今年12月初刚刚推出的骁龙845是Qualcomm的第三代人工智能移动平台. 与前代系统级芯片 (SoC) 相比, 骁龙845带来了近三倍的人工智能整体性能提升. 其中的SNPE SDK除了已支持Google TensorFlow和Facebook Caffe / Caffe2框架之外, 还增添了对Tensorflow Lite和新的ONNX的支持, 可帮助开发者轻松使用他们所选择的框架, 包括Caffe2, CNTK和MxNet.
|
