巨大飞跃！蚂蚁前沿视频处理过程技术CoDeF火出圈 网友直呼不敢相信

慢新能源8月24日最新消息，已对，由蜘蛛网电子技术研究部交互智能科学实验打造的简介预告片检视方法CoDeF，在世界各地开源和平台GitHub上除此以外飙升，披露仅一周一段时间就在GitHub流行趋势榜单上的Python词汇分类之前冲到了第一。

已为，CoDeF是一项现实时、弱或许、高保真的预告片检视电子技术，用于已完成预告片个人风格迁移侦查。

实验确实，CoDeF电子技术都能毫不费力地将缩放个人剪影方法系统升级为预告片个人剪影方法，将缩放关键点检测方法系统升级为预告片关键点行踪方法（甚至有数井水和烟雾等非刚性物体的搜寻），将缩放语义分割方法系统升级为预告片物体行踪方法，将缩放超分方法系统升级为预告片超分方法，同时默许使用者可交互的预告片细节主笔。

近来，随着以缩放分解、缩放主笔等侦查为推选的视觉效果细节分解领域获取革命性进展，视觉效果分解朝著着预告片正向发展。引人注意是现实应用于片之前下，人们对预告片的实时性、流畅性、保真度等方面指出了极低要求。目前的另类方法多受限于分解预告片全局一般性极低的问题，导致其分解效果没有直接在现实片之前之前应用于。

为了克服这一问题，蜘蛛网电子技术研究部的副研究员们指出了一种全新的克服渐进——将预告片检视细化为缩放检视。

具体来话说，将预告片表示为一个2D细节法规场（canonical content field）和一个3D一段时间局部场（temporal deformation field），其之前细节法规场负责整合一段预告片之前值得注意的所有色块信息，而一段时间局部场则负责建模预告片底下的动态信息。换言之，每一帧预告片都透过这个局部场对细节法规场所编码的的法规缩放（canonical image）进行变形，就可以恢复出该帧缩放。

基于这种连续性电子技术，预告片检视侦查可以细化为缩放检视侦查，使用者只只能检视每个预告片相关联的静态法规缩放，然后通过局部场的变换，就可以将缩放检视结果自然地沿着一段时间维度进行传播，超越对整个预告片检视的目的，也因此意味着了高度的全局一般性。

值得一提的是，研究成果们想方设法尽量降低法规缩放和现实缩放的域一比（domain gap），使得现有的缩放方法可以不纳任何训练地应用于到法规缩放上，已完成预告片检视。

该电子技术在GitHub披露并开源后，不仅在电子技术圈制约广泛，在Twitter和平台也“火”出了圈。不少Twitter网友戏言“不敢相信！”、“这是一个巨大的造就！”，还有人话说“只需给它一年一段时间，就能被用在电影制作上了”。

已为，这项电子技术是由蜘蛛网集团电子技术研究部交互智能科学实验历时三个月一段时间已完成。单项主要负责人是蜘蛛网电子技术研究部交互智能科学实验副研究员沈宇军，其主要研究正向为计算机视觉效果和深度研习。

单项的另外三位主要原作者分别为香港新能源大学的复旦大学欧阳豪、蜘蛛网电子技术研究部的王秋雨、和清华大学的复旦大学肖宇曦，其之前第一名和第三名参与者思索为蜘蛛网集团的研究型实习生。

自2021年更名以来，蜘蛛网电子技术研究部依然致力做有用、有想像力的科研。立足于借助于、智能化未来，瞄准世界新能源前沿，推进关键关键电子技术攻关。

其之前，交互智能科学实验主要催生计算机视觉效果和自然词汇检视正向的坚实模型研究，开发区别于人工智能方法虚拟化，有数细节分解、多一般性了解、借助于、人机交互等关键电子技术。