歷經 7 個月，由高通公司（Qualcomm）、中國智谷·重慶經開區、CSDN、Testin云測、OPPO、極視角、中科創達、創業邦聯合主辦，重慶經開區·高通中國·中科創達聯合創新中心協辦，TensorFlow Lite 作為開源技術合作伙伴的行業內專業性質的“高通人工智能應用創新大賽”順利收官！

經過嚴酷的初賽和決賽兩輪 PK，最終由評委從參賽者提交的110 個優秀作品中甄選出優勝獲獎作品，由 9 支參賽團隊/個人分別斬獲白金獎、商業模式創新獎、重慶創新中心特別獎、AI 視覺計算創新應用獎、算法創新獎、AI 應用場景創新獎、終端側人工智能創新獎、5G 邊緣應用技術獎與 AIOT DSP 應用創新獎！

究竟是哪些牛人摘得了今年的獎項呢？獲獎的作品有哪些獨特之處？話不多說，下面我們來一一揭曉。

各大獎項花落誰家？

白金獎

獲獎者：趙天奇

參賽作品名稱：人工智能動畫系統：賽博化身Cybatar

團隊成員與分工：趙天奇，聚力維度創始人CTO，項目方向與科研；王遠，聚力維度軟件開發組長，項目實施。

作品介紹：

賽博化身Cybatar是一款人工智能動畫制作應用，包括實拍級面部捕捉、智能動捕、智能面捕、智能生成、智能聲捕等數字人技術，讓每個人都可以每天制作幾分鐘專業動畫作品。當前版本內置若干個自有或合作IP的CG角色、場景道具、以及合成模板，可以根據不同設定和權限使用生產內容，素材庫多樣。僅利用普通攝像頭就可以精準捕捉用戶的面部表情，喜怒哀樂甚至各種微表情的變化都能精準展示，還能對不同控制者和使用場景進行精準面部調節，例如眼睛大小，脖子高低等。

這款應用未來可實現的功能包括三維場景轉換、多人多來源控制系統、游戲分時組合控制機制、網絡同步更新機制、網絡直錄播合作機制、人工智能捏臉系統、換裝系統以及動作捕捉，手勢捕捉，聲音捕捉等AI算法。

效果展示：

聚力維度研制了新型面捕網絡結構模型，克服了傳統面捕算法受限于建模精度，拍攝角度和環境光照的缺點。模型可分為通用ID提取模型、表情提取模型、表情優化模型、姿態提取模型以及時空融合模型。

通過這種分任務網絡和多級結構，達到了表情和姿態的精確提取和轉換，同時保證了模型在進行面捕頭捕時的一致性和實時性。

然后，將此模型順利移植到搭載高通驍龍865的安卓手機上，與UE4三維引擎相結合實現了虛擬數字人的實時面部表情重現。最后，針對移動端平臺進行了場景的優化，包括光照、材質、模型等，使得運行效率超過24fps。

商業模式創新獎

獲獎者：袁博及優學貓研發團隊

參賽作品名稱：優學貓AI系統

團隊成員與分工：袁博 優學貓技術合伙人；孫博 優學貓CEO；潘志剛 產品運營。

作品及開發過程介紹：

優學貓兒童AI互動學習平臺包含學前兒童多科啟蒙AI智能硬件和AI課程，連接各種智能屏幕，把AI芯片嵌入傳統玩教具升級為智能教具，使用多種教育場景和AI互動技術激發兒童興趣，用視覺、聽覺、觸覺等多感官刺激感知，幫助兒童探究學習，“授之以漁而非魚”。

優學貓主要涉及的AI技術：

第一是語音識別，主要用于優學貓英語APP中，用戶會跟游戲以及真人錄播老師的音頻進行跟讀，由系統評判跟讀結果并反饋。具體的通過對采集聲音完成預處理，并使用CMUSphinx的語言模型及概率學統計進行語音識別的功能。

第二是使用了人體關鍵點識別及人體語義分割完成復雜場景的人物摳圖，并改進CocosNet網絡完成人體姿態重定向的部分，將小朋友放置到APP的場景內實現交互及動畫；同時也使用了傳統CV的方式完成了對一些物體的邊緣檢測和濾波功能，使得小朋友可以自己進行DIY創作。

參考CocosNet，跨域實現人體姿態遷移：

基于人體關鍵點配合Spine骨骼動畫實現任務場景交互融合，同時通過人體語義分割實現Mesh權重綁定，最終作用于APP場景內，讓小朋友看到自己虛擬進入課堂。

第三優學貓課程通過視頻自動切片技術根據不同的錯誤反饋操作，計算出不同的反饋的無縫連接視頻，模擬真人老師直播過程。

第四優學貓實現了AI教具智能陪練，記錄孩子學習數據智能，分析測評，智能點評等不同的功能。

重慶創新中心特別獎

獲獎者：蔣琦及律動團隊

參賽作品名稱：律動（心肺疾病輔助診斷終端和服務）

團隊成員與分工：蔣琦 戴維森開普蘭顧問，盼達用車CIO，負責整體產品和后端實現；王守崑 原豆瓣首席科學家，作為顧問提供算法調優指導等；于子豪，負責前端交互。

作品及開發過程介紹：

律動提供心肺疾病輔助診斷、定位于家用預診斷市場的終端和服務。近二十年來，電子聽診和心肺輔助診斷領域雖有成果但存在著很多待突破的困境，比如數據庫缺乏、采樣終端成本昂貴、反饋系統迭代慢、量產規模較小等。律動通過高性價比的電子聽診器采集心肺音數據，再利用人工智能算法對比潛在的疾病種類，從而解決上述問題。律動做到極致的成本控制、易用、準確，硬件方案控制在200元人民幣內，單病例采樣規模做到10000例，商業化做到100類型心肺相關病例覆蓋，并建立快速的反饋系統優化診斷模型。

該項目補全了國內對心肺音疾病數據庫的空白，只需要簡單幾步操作，在安靜環境中將電子聽診器插入手機耳機插孔，采集心音或肺音數據，經Tensorflow Lite等推測疾病種類。當前階段識別準確率已達到82%，隨著樣本的補充，識別的病癥寬度和準確度都會繼續提高。

AI視覺計算創新應用獎

獲獎者：王師廣

團隊成員與分工：個人

參賽作品名稱：基于移動端的農作物病蟲害識別系統

作品及開發過程介紹：

“三農”問題是當前我國密切關注的社會問題，基于圖像處理技術的農作物病蟲害識別具有快速、精確、實時等特點，能夠協助農耕人員及時采取有效的防治措施。該系統采用大規模專業圖像數據來訓練深度學習模型，現已支持近15種農作物、80種常見病蟲害種類的識別，識別準確率大于90%，單張圖片的識別時間小于200ms。

利用該系統，農耕人員只需要下載一個App，拿出手機拍照圈定要識別的區域，該系統就能夠自動的識別農作物的發病狀態和種類。

上圖為基于移動端的農作物病蟲害識別項目系統概述圖。首先，在服務端采用大規模專業圖像數據來訓練深度學習模型，并使用AutoML和知識遷移等技術使得在有限時延的限制下搜索出更高精度的模型，再將訓練好的模型部署到搭載高通驍龍865 5G移動平臺的OPPO Ace2手機上，利用高通第五代 AIEngine加速整個模型部署的性能，得到整個項目的原型。最后利用云端大數據為每個農戶提供精準個性化的綜合解決方案。

在開發過程中，作者遇到的主要問題是如何用較少的數據訓練出較高精度和泛化性的模型，以及需要準備一個適當的環境。由于作者本身沒有App設計和開發的經驗，對Android開發不熟練，需要邊學習邊開發，過程雖略微坎坷，不過問題總算被一一解決，感謝在項目過程中給與幫助的朋友。

算法創新獎

獲獎者：晏青

參賽作品名稱：基于顏色補償的圖像增強

團隊成員與分工：個人

作品及開發過程介紹：

近年來，盡管水下圖像處理領域取得了相對不錯的效果，但仍存在很多痛點。為此，本項目針對水下圖像顏色復原提出了一種實現成本低且復原效果好的的復原方法，期望矯正水下圖像的色偏同時去除水下成像后向散射的干擾。

實現水下圖像顏色復原以及清晰度恢復的主要步驟如下：

原圖通過WCID估計出水下圖像不同波段光線的全局衰減率以及局部衰減率

根據第一步計算的衰減率對衰減較多的顏色通道進行色彩補償

對補償后圖像進行白平衡去除過度補償的負面效應

根據圖像的藍綠通道采用去霧的方式估計水體圖像的透射率

采用大氣散射模型去除水體圖像的后向散射得到清晰的圖像

實驗結果展示：

AI應用場景創新獎

獲獎者：謝永明 （香港光云科技團隊）

參賽作品名稱：TrueToF—主動式AI ToF成像及應用

團隊成員與分工：謝永明，香港光云科技創始人，項目統籌；周經偉，3D成像算法研發；李建英，工程管理與實施；王興鶴，產品設計。

作品及開發過程介紹：

伴隨ToF產品的發展，再加上ToF輸出深度信息，不會有色彩圖像信息輸出，保證了個人隱私?；诖朔矫婵紤]，香港光云科技推出了TrueToF人像應用，通TrueToF提供的三維圖像信息非常有利于做圖像分割與3D識別，可以快速定位感興趣區域，從而降低后期AI算法的數據處理復雜度，簡化用戶的人臉ID注冊流程并提升3D人臉識別系統的精準度。

TrueToF ToF成像AI優化

相較于傳統ToF成像，TrueToF利用機器學習，通過對環境的機器學習，正確識別與提升黑色物體、強光環境下的ToF成像精度和準度，并進行動態成像以保證移動設備的節電需求。

TrueToF ToF人像摳圖

基于快速的人臉識別機器學習模型，可實現毫秒級的人臉檢測、人像提取，同時保證3D人像與物體的摳圖在復雜背景的邊緣準度。

TrueToF ToF人臉識別

本系統可一次性提取超過400個3D特征點作為特征比對點，并通過高通第五代 AI Engine加速，具備毫秒級采集，有效簡化用戶人臉ID的注冊流程，通過毫秒級的人臉識別模塊，可根據3D特征快速定位人臉并進行實時的人臉跟蹤及識別。

TrueToF ToF表情映射

通過400多個特征點的實時匹配，可獲取實時面部信息，保障了人臉的“任意角度”跟蹤，通過利用高通第五代 AI Engine加速，可實現實時面部表情的獲取，可用于3D表情的實時映射等。

終端側人工智能創新獎

獲獎者：叢曉峰

參賽作品名稱：基于安卓的photo2cartoon應用

團隊成員與分工：隊長：叢曉峰（研二學生），負責Android studio開發APP，采用深度學習框架進行模型訓練和端側部署。

作品及開發過程介紹：

目前，手機APP已經成為兒童學習的重要入口。本項目旨在提高兒童繪畫學習的趣味性，利用深度學習圖圖轉換（Image-to-Image Translation）技術，將用戶手工繪制的“簡筆畫”轉為“真實圖像”。

該App提供了四個面板，分別用于記錄用戶在繪制草圖過程中，不同階段對應生成的圖像。用戶可以通過選擇顯示器標號（1,2,3,4），將生成的圖像指定到任意畫板上，如下：

系統使用當前學界普遍認可的image2image轉換方法，根據端側的實時性要求進行模型設計。采用Conv/DeConv + InstanceNorm + ReLU作為基本模塊設計編碼解碼網絡（Conv表示卷積，Deconv表示反卷積）。模型采用深度學習領域的生成對抗網絡思想，對生成器和判別器進行聯合訓練，確保生成網絡和判別網絡的同步優化。

生成器網絡作為移動端部署的核心網絡，負責將用戶繪制的草圖轉換為真實圖像。生成器由多個卷積模塊和反卷積模塊構成，整體結構為編碼-解碼思想，如下圖：

5G 邊緣應用技術獎

獲獎者：陳鵬

參賽作品名稱：AI智能圖鑒

團隊成員與分工：陳鵬 博特智能VP 世界100強IT企業高級研發工程師+后臺算法和業務邏輯開發；張靜 具設計部管理經驗，擅長支持企業CIS系統設計服務VIS視覺設計，企業品牌視覺設計、企宣相關設計等；徐苑資深市場營銷專家，創意和傳播，產品和交互設計。

作品介紹：

AI智能圖鑒基于諦聽AI智能平臺，該平臺采用全流水線深度學習算法，以GPU/CPU為核心的服務器集群并行分布式架構，通過大量模型訓練，利用算法實現了對違規圖片內容的自動過濾，包括涉黃、低俗、涉政、涉暴恐、違禁廣告等多維度多分類的內容審核過濾機制，以及場景、人物、動作、物體等各類情景標簽的識別。

本系統分為前端業務系統以及后端算法服務兩個主要部分，采用了微服務架構設計思想并結合開源的spring框架設計而成。

本系統圖片內容審核是基于深度神經網絡模型實現，采用像素集分類計數和網絡再生技術進行圖片內容審核。此外，本系統采用了分布式架構部署，最新版本的圖像模型訓練集樣本庫已經達到了25萬張，圖像算法目前的平均識別準確率達92%，特別是在涉黃圖片方面的識別率，模型的識別準確率達95.6%。

產品工作流程展示：從左到右依次初始界面、上傳審核、結果展示

AIOT DSP 應用創新獎

獲獎者：：白文波等（江西沃可視發展有限公司）

參賽作品名稱：AI智能后視鏡

團隊成員與分工：團隊

作品及開發過程介紹：

業界首款采用高通驍龍8核的智能后視鏡產品，整體方案以高通MSM8953芯片為主控，整合定位、攝像頭、安卓系統、算法、車載應用等軟硬件資源。本地支持多路視頻顯示和錄像，前后ADAS預警、DMS預警、智能導航、語音交互、行車軌跡回放、藍牙電話、倒車后視影像、多媒體影音娛樂（QQ音樂和聽伴）等功能；在線支持視頻直播、行車軌跡、文件調取、電子圍欄、導航尋車、微信互聯、消息提醒、語音對講、在線升級等功能。

系統框架圖

值得注意的是，以上獲獎者是眾多參賽作品中的佼佼者，大賽進行過程中還涌現出一批優秀的人才和AI解決方案，涉及工業、農業、交通、電商、游戲、慈善、智能家居、健康、民政服務等多個領域，為AI應用創新增加了新的血液！

相約“高通人工智能應用創新大賽”頒獎典禮

最終決賽獲獎作品將于9月底在線上舉行的 “高通人工智能應用創新大賽”頒獎典禮上進行獎項授予，并有來自高通公司、重慶經開區、極視角、中科創達、清華大學、OPPO、Google TensorFlow 等公司的高管及技術主管也將出席此次活動，與大家分享各自對AI 領域的獨特見解，以及對未來的展望。

據大會官網介紹，本次大賽為唯一一名白金獎獲得者準備了搭載高通驍龍820A汽車平臺的領克05 SUV 一輛（僅承擔裸車價格部分），名分項賽道金獎獲獎者也將分別獲得價值30,000元人民幣的獎品。

創新永不止步，高通人工智能應用創新大賽不斷為業界應用帶來更多優秀人才與實用的解決方案，期待頒獎典禮帶給大家更多驚喜！