AI 얼굴 세분화
이미지 또는 비디오 처리 또는 실시간으로 다양한 부분과 특징을 감지하여 다양한 얼굴 인식 및 수정 앱에 생명을 불어넣으세요.
얼굴 세분화 신경망
얼굴 특징 감지 기술을 통해 증강 현실 및 얼굴 추적 앱에서 사용자의 외모를 수정할 수 있습니다. 사용자는 색상 변경, 마스킹, 제거 및 교체와 같은 매력적인 시각 효과를 얻을 수 있습니다.
-
얼굴 세분화
얼굴 세분화 기능은 컨볼루션 신경망을 사용하여 사람 얼굴의 특정 영역을 감지하고 세분화합니다:
- 얼굴 전체 세분화
- 피부 착색 및 미화를 위한피부 세분화.
- 가상 립스틱 트라이온을 위한입술 세분화.
- 홍채 색상을 위한눈 세분화.
-
헤어 세분화
머리카락 감지는 심층 신경망을 사용하여 카메라 피드에서 머리카락을 분할합니다. 이미지 픽셀을 머리카락이나 배경에 태그하여 바이너리 출력을 반환합니다. 미용 또는 셀카 편집 앱에서 이를 구현하여 사용자가 탭 한 번으로 헤어스타일을 변경하고 헤어 컬러를 입어볼 수 있도록 할 수 있습니다. AR 커머스에서는 매장 내 '매직 미러'와 헤어 메이크오버 앱을 구축하여 매출을 늘리고, 소비자의 참여를 유도하고, 브랜드를 홍보할 수 있습니다.
성능
- 경량 신경망
- 실시간 또는 후처리 성능
- 특정 플랫폼에 최적화된 얼굴 세분화 모델
- 주석이 달린 데이터 세트로 학습
- 다양한 얼굴 각도, 배경 설정, 조명 조건에 대한 폭넓은 스펙트럼
- 국적, 연령, 성별을 포함한 균형 잡힌 데이터 세트
- 실제 사용 사례에서 정확한 성능을 보장하는 실물과 같은 이미지
신경망 및 기술적 특징
-
배경
- 실시간: 평균 35-40 FPS(미드 iOS, Android 기준)
- 사진: 처리 시간 1초 미만
-
피부
- 실시간: 평균 20-30 FPS(미드 iOS, Android 기준)
- 사진: 1-2초 처리 시간
-
입술
- 실시간: 평균 18-30 FPS(미드 iOS, Android 기준)
- 사진: 1-2초 처리 시간
-
눈
- 실시간: 평균 16-30 FPS(미드 iOS, Android 기준)
- 사진: 처리 시간 1초 미만
-
헤어
- 실시간: 평균 20~30 FPS, 중반 iOS, Android에서
- 사진: <1~2초 처리 시간
바누바의 얼굴 세분화 SDK가 필요한 이유
- 맞춤형 하드웨어와 사용 사례에 맞게 기술을 조정할 수 있습니다.
- 알고리즘 교육 및 테스트에 필요한 시간과 노력을 절약할 수 있습니다.
- 실제 이미지와 균형 잡힌 데이터 세트를 통해 모든 사용자에게 기술 성능 보장
- 고유한 맞춤형 기술 POC를 개발할 수 있습니다.
- 특허 받은 얼굴 세분화 기술
- 소니의 R&D 및 PM 전문가가 목표 달성을 위한 최적의 기술에 대해 조언해 드립니다.
-
예. 배경 분리 또는 헤어 리컬러와 같이 하나 또는 몇 가지 기능만 필요한 경우 필요한 기능이 포함된 사용자 지정 빌드 및 구성 모듈을 제공합니다.
-
예, 라이선스를 구매하기 전에 2주간의 무료 체험 기간을 통해 SDK 성능을 검증할 수 있습니다. 무료 체험 기간을 시작하려면 체험판 계약서에 서명해야 합니다.
-
모든 효과에서 얼굴 추적 기능을 수동으로 비활성화하면 CPU 사용량을 크게 줄일 수 있습니다.
테스트 결과, 백그라운드 세분화를 활성화한 상태에서만 총 CPU 사용량이 62%에 달했습니다.
-
이미지 분할의 하위 집합인 컴퓨터 비전 기술로, 정지 사진과 동영상에서 사람의 얼굴을 찾는 데 사용됩니다. 얼굴 분할은 상체('셀카') 분할과 밀접한 관련이 있지만, 후자는 팔과 몸통도 포함합니다.
-
얼굴 인식 및 추적에는 여러 가지 방법이 있습니다. 가장 일반적인 방법은 프레임의 각 픽셀을 사람 또는 배경에 할당하는 신경망을 사용하는 것입니다. 얼굴 감지는 사진에 얼굴이 있는지 여부를 알아내는 것을 의미합니다. 얼굴 분할에는 정확한 위치를 찾는 작업도 포함됩니다.
-
컴퓨터 비전에서 이미지 분할은 사진이나 동영상에 있는 객체에 자동으로 레이블을 지정하는 프로세스입니다. 프레임에 특정 물체가 있는지 여부를 알아내는 이미지 인식과 혼동해서는 안 됩니다. 얼굴 세분화, 머리카락 세분화 등 다양한 종류가 있습니다.
-
간단히 말해, 프로세스에 대한 아키텍처적 접근 방식입니다. 얼굴 세분화, 상체 세분화 및 기타 사용 사례에 적용되는 몇 가지 인기 있는 방법(U-Net, Pyramid 등)이 있습니다.