30毫秒完成一次语义分割 视频实时变样 揭秘Versa新品背后魔力

郭一璞 发自 凹非寺量子位 报道 | 公众号 QbitAI

在前不久荣耀9X的发布会上，一个名叫绿幕侠的App亮相了。

现场的展示中，这个App能让手机拍摄的视频，产生电影绿幕一般的效果，实时从视频中去掉背景，只保留主角人物，并把背景换成用户设定好的特效。

想要实时的进行视频处理，还能实现精细的“抠图”效果，无论对于算法还是算力来说，恐怕都不是一件容易的事。

绿幕侠背后的公司，正是此前风靡一时的手机P图应用马卡龙玩图所属的AI公司Versa。

一帧一帧做语义分割

Versa CTO赵维杰介绍说，绿幕侠背后用到的视频人景分离技术，就相当于把视频拆成一帧一帧，实现每一帧的语义分割。

语义分割并不难，难点在于连续应用在每一帧上。

首先，必须保证对每一帧的语义分割处理时间低于30毫秒，时间一到，就要开始处理下一帧了，否则视频就会变卡；

其次，因为是将语义分割应用在视频中，因此必须保证分割出来的精确度，一方面不能把边缘处理的太粗糙，一方面要保证每一帧内容的连续性，不能上一帧人物手里还有个包包，下一帧包包就被抠掉了，制造出一种“薛定谔的包包”状态；

最后，模型需要在手机本地运行，因此不能太大，只能有1~2M的空间。

通过自研“概念网络”的优化，提升了当前帧的分割精确度，又将时间空间信息嵌入到更紧凑的维度上，降低backbone的复杂度，赵维杰他们花了半年多完成了绿幕侠算法的研究，将每一帧的处理时间降到30毫秒以下，模型也被压缩到了1M左右。

寻找适配芯片

但是，模型虽然做好了，新的问题却出现了。

Versa技术团队找了许多主流手机芯片运行这个模型，发现这些芯片跑出来效果都不够好。要么算力不够，导致卡顿，必须把模型压缩才能运行，但这样效果就会变差；要么功耗太高，发热太严重，用一会儿手机就卡了。

直到他们尝试在荣耀9X的SoC麒麟810上运行模型，发现不仅算力和功耗达到了要求，而且还有了另外一个好处：I/O的设计更好，数据搬移效率高。

“其实手机小模型运行所耗的时间很多不是在运算上的，而是耗在了数据搬运上”，赵维杰这样对量子位解释。

当他们在麒麟810上测试手机小模型时，输入了1080P的高分辨率视频，跑出结果后惊奇的发现：

麒麟810和GTX1070的运行结果在一个量级，手机上跑60ms的模型，在PC上（加上I/O）大概是20ms。

为什么一个手机芯片能跑的跟GTX1070这种电脑GPU的运行结果相提并论？

赵维杰的解释是，对视频小模型来说，桌面GPU虽然算力强，但是小模型根本用不上这么大的算力，反而视频数据显存搬移的I/O是瓶颈，时间都花在数据搬运上了。麒麟810的I/O设计比较出色，省了不少时间。另外，桌面GPU是32bit浮点，810是16bit浮点。GPU是通用芯片，NPU是专门用于神经网络计算，对算子可以特别优化。最终的总时间上跟手机上可比。

因此，Versa也决定，这个新的App将在荣耀9X手机上首发，月底上线应用商店。

算力和算法的博弈

到这里，你可能看出来了一个问题：

如果AI模型必须要在足够新、足够强的芯片上运行，那便宜的手机怎么办呢？

一种思路是模型压缩。不过赵维杰觉得，模型从设计起就应当是一个小的东西，而不是从一个巨大的模型逐渐压缩到小，毕竟，模型总要拿出来用的，并不能只用在最顶尖的硬件上。

“AI公司和硬件公司都在追求一个中间地带，AI公司希望能在现在的硬件上就跑更好的算法，硬件公司在追求越来越厉害的硬件平台，让越来越大的算法在体积小的移动的硬件上跑得起来。”赵维杰这样说。

针对不同的平台，Versa也提供了不同的算法。比如此前已有的产品马卡龙玩图，赵维杰提到，需要在在最优秀的硬件上跑出最优秀的效果，在普通硬件商做出最大覆盖，最低端手机可以上云端跑，“提供差异化的算法，是任何一个AI公司追求的本质。”