作為曠視消費(fèi)物聯(lián)網(wǎng)業(yè)務(wù)的重要后方力量，成都研究院的使命可謂“頂天立地”。向下，夯實(shí)算法產(chǎn)業(yè)發(fā)展地基，通過更加智能的手機(jī)影像算法助人們?cè)诓煌h(huán)境下拍出更高質(zhì)感圖像；向上，在 HDR、Denoise、SR、光流等與業(yè)務(wù)密切相關(guān)的細(xì)分賽道上展開更加極致的探索，在 CVPR、ICCV 等頂級(jí)會(huì)議上持續(xù)輸出“曠視勢(shì)能”。

“科研做上限，產(chǎn)品看下限”，曠視成都研究院負(fù)責(zé)人劉帥成以此總結(jié)科研與商業(yè)化二者間的“鴻溝”。但正因如此，成研院為打通“產(chǎn)學(xué)研用”融通壁壘提供了肥沃土壤，為激發(fā)科技創(chuàng)新氛圍默默蓄力。

從零開始 科研之路要如何蹚？

自2018年成立以來，成研院累計(jì)發(fā)表 10 多篇論文被CVPR/ICCV/ECCV/AAAI 頂會(huì)收錄，這樣的成果足夠令人驚喜。期間付出的心血，實(shí)非朝夕之功。2019 年下半年，成研院轉(zhuǎn)型聚焦于手機(jī)影像算法研究領(lǐng)域?；仡櫮嵌稳兆?，劉帥成坦言最頭疼的是很多同學(xué)之前并不是研究這個(gè)領(lǐng)域的，剛開始不知怎樣搞科研，既對(duì)手機(jī)影像算法缺乏深入了解，也不清楚完成一篇 CVPR 需要經(jīng)歷什么樣的過程。

而對(duì)于劉帥成來說，圖像研究并不陌生，他一直專注于底層視覺和計(jì)算攝影學(xué)研究，具有多年科研經(jīng)驗(yàn)，于是他決意帶大家一點(diǎn)點(diǎn)來。他把“怎么讀 paper、怎么想 idea、想到 idea 后怎么做實(shí)驗(yàn)”等繁雜的任務(wù)逐個(gè)拆解下去?！皠傞_始，大家想到的 idea，要么跟別人撞了，要么就根本不可能發(fā)表?！?/p>

憑借對(duì)商業(yè)落地實(shí)踐的持續(xù)觀察，每周兩次雷打不動(dòng)的“Paper Reading”，以及隊(duì)內(nèi)日漸高漲的“傳幫帶”科研氛圍，團(tuán)隊(duì)的科研能力逐漸提升，最終形成了 2021 年的井噴之勢(shì)。

“這其實(shí)是互相影響的過程，有些同學(xué)感覺自己做了很久的項(xiàng)目，也想嘗試發(fā)點(diǎn)論文，或者有些同學(xué)看到別人打比賽拿了獎(jiǎng)或者是發(fā)了頂會(huì)，他可能也會(huì)想去嘗試一下。”

而在 CVPR NTIRE（New Trends in Image Restorationand Enhancement, 即圖像恢復(fù)與增強(qiáng)的新趨勢(shì)）2021 挑戰(zhàn)賽上，成研院還包攬了圖像超分辨率、圖像 HDR 兩大賽道的冠軍。

提到團(tuán)隊(duì)首次打比賽的經(jīng)歷，劉帥成坦言一切都靠摸索?！罢麄€(gè)比賽過程中，我們能看到不同賬號(hào)在榜單上的排位，有段時(shí)間我們團(tuán)隊(duì)始終處在第二或第三的位置，我們就使勁想辦法搭各種模型，A 同學(xué)把這幾個(gè)結(jié)構(gòu)試了，B 同學(xué)把那幾個(gè)結(jié)構(gòu)試了。要試哪些結(jié)構(gòu)，大家會(huì)先開會(huì)討論 To Do List，對(duì)每一項(xiàng)任務(wù)做到精細(xì)的時(shí)間管理和計(jì)劃制定?！?/p>

最終結(jié)果多少有些讓人意外。開始排在第二第三名的比賽，成研院最終斬獲了冠軍；而長(zhǎng)期排在榜一位置的一項(xiàng)比賽，反而因?yàn)榇笠舛缓竺娴娜俗妨松蟻?，最終拿到亞軍?！敖衲晡覀円惨∵@樣的教訓(xùn)，一次排在第一并不代表最后也排在第一，剛開始排在第二第三名，也不代表最后沒有機(jī)會(huì)去反超?！?/p>

重在實(shí)踐 如何叩開商業(yè)的門？

將科研成果應(yīng)用于商業(yè)世界，推進(jìn)產(chǎn)品落地是成研院立足之本。尤其是面對(duì)智能手機(jī)“影像為王”的加速進(jìn)化，更需要AI算法配合不同平臺(tái)的硬件實(shí)力更好發(fā)揮效能。一個(gè)好的算法最終能夠?qū)崿F(xiàn)工程化落地，中間需經(jīng)歷包括模型優(yōu)化、加速、質(zhì)量評(píng)估等多環(huán)節(jié)流程。為此，劉帥成強(qiáng)調(diào)，相較于科研對(duì)“最好”的追逐，做產(chǎn)品更要關(guān)注“下限”，“將算法應(yīng)用到產(chǎn)品中去，各種情況都要考慮到，對(duì)用戶來說，質(zhì)量和成片率都很重要。”

另一方面，不同于實(shí)驗(yàn)中完全客觀的結(jié)果，不同客戶 QA（Quality Assurance，品控）的標(biāo)準(zhǔn)、偏好也將極大地影響算法優(yōu)化。有的 QA 對(duì)圖像“發(fā)灰”很敏感，有的 QA 對(duì)噪聲很敏感，這就要依據(jù)不同重點(diǎn)去發(fā)力。劉帥成表示：“手機(jī)產(chǎn)品迭代節(jié)奏很快，尤其臨近產(chǎn)品發(fā)布的時(shí)候，我們內(nèi)部要跟客戶交互著測(cè)試，一周可能要發(fā)布幾個(gè)版本，以進(jìn)行高速迭代反饋。