内容（剧集、电影、综艺）质量是内容行业的核心竞争力，内容数智化是辅助内容质量判断、沉淀经验规律的核心。

我们针对长视频内容，利用视觉、多模态 AI 算法，打造了 AI 内容创作理解，辅助内容数智化和质量提升。AI 内容创作理解的核心之一是情绪识别，不仅包括内容中角色的个体情绪表达，还包括角色交流体现的情绪关系，以及视频整体给观众带来的情绪。

为此我们开发了一系列情绪计算模型，包括静态表情识别、镜头级 ID-agnostic 情绪识别，交互情绪识别与观众情绪模拟等模型。模型分别从视觉、视听、视听台词等多模态视角，自动识别内容中的单人情绪波动，人物关系，以及观看影片时观众的情绪波动，并形成了角色张力、关系演进、高潮点等内容质量数字化指标。

情感计算模型成功应用于剧集、网大、院线等内容播前质量诊断与提升，具有潜在的商业价值。

演讲提纲：

1. 背景：内容创作行业与内容平台的痛点与需求
2. 基于 AI 的内容创作理解框架介绍
3. 模糊表达的人脸情绪识与镜头级多模态 ID 解耦情绪识别
4. 多模态用户观影情绪识别方法，从多模态时空融合到强化学习
5. 多模态人物交互情绪关系识别
6. 情绪识别在内容创作质量诊断中的应用

你将获得：

1. 内容（剧综）视频理解与通用视频，监控视频理解的问题特殊性与解法特殊性
2. 基于视觉的人脸情绪识别的行业难点与创新做法
3. 有别于传统 FER，GER 等的基于多模态的新情绪分析任务与方法
4. 情绪识别在内容创作领域的应用概况

当前，信息流已成为人们获取信息的重要途径。信息流推荐系统利用推荐算法向用户推荐其可能感兴趣的内容。一个好的推荐系统，离不开对用户的理解，和对内容的理解。信息流主要包含图文和视频两种内容形态，其中视频的消费逐渐成为趋势。视频包含了标题文本、视觉画面和语音等多模态的信息，对视频的理解是一个多模态问题。

腾讯看点是腾讯的信息流部门，月活用户4亿+。本次演讲主要介绍腾讯看点的多模态视频理解，主要包括视频分类、视频标签和视频 Embedding 技术以及在推荐中的实际应用。

演讲提纲：

1. 视频分类算法
2. 视频标签算法
3. 视频 Embedding 算法
4. 信息流推荐中的落地应用

你将获得：

1. 视频多模态理解的算法
2. 视频理解在信息流推荐业务中的落地应用

计算机视觉和人工智能算法在安防场景中的落地应用已经走了很长的一段路。例如人脸检测识别算法、车辆检测跟踪算法和目标结构化算法，在安防的各个场景中发挥了重要的应用。然而这些问题的解决方法本质上都是以图像分析为主要载体。与之相对的，以视频为载体的方法，不论是在学术界还是在安防的场景应用上，都没有特别好的突破。

本次演讲将从具体的应用案例出发，介绍以视频分析为主要载体的人工智能算法在泛安防场景中的实际落地形式。介绍如视频事件检测、视频跟踪、视频大数据等算法在真实的场景应用中的算法落地案例，阐述相应的算法和工程实践架构。期望能推动视频分析算法在真实场景中的应用普及。

演讲提纲：

1. 视频分析算法简介和安防场景的实战特点
2. 视频事件检测算法在安防场景中的实战应用
3. 视频跟踪算法在安防场景中的实战应用
4. 视频大数据算法在安防场景中的实战应用
5. 视频算法在安防场景中的落地架构

你将获得：

1. 了解安防领域的真实场景需求
2. 了解视频分析算法在安防场景落地的真实进展

为了更好的满足市场经济的需求，各企业迫切需要运用数字化、智能化实现弯道超车。作为新一轮科技革命和产业变革的重要驱动力，AI 技术正在推动打通现实空间与虚拟世界的连接，想真正打通虚实融合，就要全面实现物理世界的数字化。然而，在我们所生活的城市中，仅有百分之二十的头部视觉识别需求得以满足，还有百分之八十的长尾应用场景未被覆盖，而这些长尾场景中却蕴藏着巨大的商业价值。为了应对日益加速的、多样化的 AI 感知需求，需要建设平台化的 AI 基础设施，打通训练、推理、算法运营闭环，满足各行各业对人工智能算法的需求。

本议题首先从企业管理对数字化、智能化的需求和痛点等现状出发，结合市场对于视觉感知 AI 技术的核心需求，介绍商汤通过平台化的方式，实现人工智能大规模行业落地的历程。

演讲提纲：

1. 企业管理对数字化、智能化的需求、痛点
2. 视觉感知 AI 技术核心价值与应用
3. 商汤应用探索和落地经验分享
   • 通过空间三维重建技术实现下一代数字孪生
   • 通过在线模型训练与算法运营，实现视觉感知算法的快速迭代
4. 思考与展望

你将获得：

• 了解商汤科技三维重建技术应用实践
• 了解商汤科技在线模型训练以及算法方面的实践