近年來，在互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計算、傳感網(wǎng)、腦科學等新理論、新技術以及經(jīng)濟社會發(fā)展強烈需求的共同驅動下，人工智能呈現(xiàn)出飛躍式的進步，進入新的發(fā)展階段。無論是企業(yè)還是政府在人工智能方面的關注和投入，都在不同層面推動著人工智能技術和應用的蓬勃發(fā)展。各種創(chuàng)新的AI應用逐步開始進入社會生活的各個場景。

同時，我們也看到，新興科技正在推動新一輪全球產(chǎn)業(yè)變革，而人工智能毫無疑問成為了釋放產(chǎn)業(yè)變革潛能的重要力量。作為人工智能技術的重要分支，計算機視覺技術在算法、數(shù)據(jù)及算力的加持下，更是得到了飛速的發(fā)展，已經(jīng)具備大規(guī)模應用的可行性。特別是在文娛產(chǎn)業(yè)得到了廣泛應用的智能影像技術已經(jīng)成為行業(yè)變革的核心驅動力，將進一步催生新應用、新產(chǎn)品、新產(chǎn)業(yè)、新業(yè)態(tài)、新模式的出現(xiàn)，推動智能影像產(chǎn)業(yè)生態(tài)的繁榮。

人工智能為影像分析技術帶來變革。人工智能在影像行業(yè)的綜合應用， 特別是通過對動態(tài)視覺內(nèi)容的理解和重構，是計算機視覺技術及計算機動畫技術的交叉和融合，給智能影像產(chǎn)業(yè)帶來了充滿想象力的廣闊舞臺和空間。
     智能影像技術為產(chǎn)業(yè)變革帶來強勁動力。過去幾年文娛產(chǎn)業(yè)經(jīng)歷了快速的發(fā)展，以內(nèi)容制作方、視頻平臺方為代表行業(yè)參與者正面臨著諸多的挑戰(zhàn)，各方仍在行業(yè)變局中摸索前行，期望不斷通過運用新興技術和應用的創(chuàng)新提升自身的核心競爭力。智能影像技術在行業(yè)的應用日漸深入，成為新一輪行業(yè)變革的核心驅動力。

把握數(shù)字化轉型新契機，智能影像技術加速業(yè)務變革。智能影像技術不僅成為文娛產(chǎn)業(yè)商業(yè)價值變現(xiàn)的核心引擎，也在逐漸進入更多的內(nèi)容原創(chuàng)領域，通過自動化影像加工、生產(chǎn)技術為產(chǎn)業(yè)升級提供動力。而且， 智能影像技術也通過全面賦能推動應用在教育、零售等更多領域落地， 成為行業(yè)價值創(chuàng)新的基石。

2006年以來，隨著深度學習技術的進展，人工智能再次獲得了廣泛關注。特別在圖像領域，深度學習帶來的突破性效果在很多領域已經(jīng)超過人類水平，各種類型的神經(jīng)網(wǎng)絡不斷涌現(xiàn)，伴隨著計算力的提升以及海量數(shù)據(jù)的積累，人工智能為廣闊的圖像分析領域帶來深刻變革。資本市場對與計算機視覺的熱度空前高漲。

  影像生產(chǎn)技術以計算機視覺 （Computer Vision） 與計算機圖形學為基礎。計算機視覺誕生于上世紀六十年代，是指能夠賦予機器自然視覺能力的學科，關注圖像的識別和分割。在初步興起的二十年時間里，“識別”領域進展有限，而分割領域取得了一定的進展。進入本世紀，隨著互聯(lián)網(wǎng)的不斷發(fā)展，圖片的來源日趨豐富，各類圖像數(shù)據(jù)庫開始出現(xiàn)，標注數(shù)據(jù)進一步促進計算機視覺的發(fā)展。

Forrester對人工智能技術進行分類研究時采用了Sense、Act、Think 的框架。類比來看，在感知（Sense）層面，人工智能技術為靜態(tài)圖片識別乃至多模態(tài)影像識別帶來了突破；在思考（Think）層面，基于多模態(tài)識別結合商業(yè)需求可以形成深入的影像智能化理解。以感知、思考為基礎，在行動（Act）層面，人工智能技術為自動化影像生產(chǎn)帶來了強勁動力。為此，我們將智能影像生產(chǎn)技術分為兩部分：影像智能化理解(Sense和Think) 和影像自動化生成（Act）。

傳統(tǒng)的計算機視覺技術大量聚焦在特征生成和選擇。端到端深度學習帶來了自動特征學習能力，從而極大促進了計算機視覺的發(fā)展。深度學習所需的大量訓練數(shù)據(jù)以及運算能力在當下也得到了良好的供應。對于“識別”這種人類無需思考即可在極短時間內(nèi)作出判斷的任務目前是人工智能最擅長的領域。從包括圖像、語音、文字的多模態(tài)識別，人工智能對于影 像感知和理解能力不斷提升，推動了智能影像產(chǎn)業(yè)的快速發(fā)展。

影像語義理解增加了商業(yè)模式的可能性。通過視頻結構化分析、目標檢測跟蹤、動作態(tài)勢感知、人物識別以及情感分析等多模態(tài)感知技術，人類已經(jīng)可以從動態(tài)影像中獲取淺層信息。但是要做到商業(yè)模式變現(xiàn)，仍需進一步從語義的層面深入理解影像內(nèi)容。

在這一領域，需要有大量的行業(yè)積累，例如對綜藝類視頻節(jié)目中人物、物體等的識別標注，需要專業(yè)的經(jīng)驗，基于編劇、布景、拍攝等角度，對視頻進行結構化建模進行分析和學習，把特征空間提升到語義空間。在此基礎上對影像數(shù)據(jù)生成語義標簽、業(yè)務分類乃至文字描述以供后續(xù)業(yè)務場景使用。常識的建立可以極大提升機器性能，既有經(jīng)驗與多種深度網(wǎng)絡的融合將會形成企業(yè)差異化的競爭優(yōu)勢。