本文来自AI新媒体量子位(QbitAI)

VSCO凭借带有浓浓胶片风的滤镜,圈了不少粉,但别忘了,它是个图像分享应用:它的功能除了“创造”之外,还有“发现”和“连接”。

这个应用的理念,是通过分享照片与他人建立联系,并获得灵感。最近,VSCO开发了机器学习软件Ava,来识别照片的风格和它所传递的感觉。

 Ava为这张图片自动打上了“沙子、沙漠、尘土、干燥、干旱、空旷、沙滩”

Ava可以查看该平台上的每一张照片,识别关键参数,然后使用这些信息帮助用户与风格类似的创作者建立联系。这一工作之前是通过人工处理完成的。现在,Ava将负责处理所有繁重任务,充分使用这项服务上的所有数据。

“它的独特之处在于可以结合我们4年来积累的人工数据,我们的人工团队也将继续支持和训练这套系统。”弗洛瑞说,“所以,它不仅可以识别物体,我们还希望人类能够借此了解一张照片的品质和细微之处——不只是照片上有什么东西,还包括你能够通过照片获得的启发。”

例如,一位摄影师可能喜欢捕捉悲伤的照片。Ava可以在照片中感受到这种情绪,将此视作此人作品的一个主题,然后将其推荐给该平台上其他风格相似的艺术家。“每次打开应用时,你都会感觉它是为你定制的。”弗洛瑞说。

工作模式

Ava还与VSCO的专用图片处理平台Sens共存,这项去年末发布的技术是该平台的核心所在。

“如果你小时候玩过乐高,就会发现Sens就像绿色的板子一样,可以在上面搭建任何东西。”弗洛瑞说,“从照片角度来看,这让我们得以突破局限。”例如,Sens已经可以让该公司在iOS上支持高品质RAW文件,同时在该应用中引入短视频功能。

“最令我们振奋的在于,我们今后可以用它来做什么。”弗洛瑞说,“我们真的在思考未来的表现方式,以及如何为文化创造者打造平台。”

具体到Ava,之所以开发这样一款服务,是因为该公司认为他们需要通过一种聪明的方式来查看数以百万的照片,而且不仅要了解照片,还要了解照片背后的艺术家。Ava的这项技术是基于他们多年以来通过人工处理流程积累的数据。

“我们试图迫使Ava从不同角度看待摄影作品。”VSCO首席技术官麦克·吴(Mike Wu)说,“不光是主题,还包括从艺术家的角度来看待照片。”他补充道,VSCO的人工分类员“查看了这些照片,然后识别出包括感受、主题、品质和抽象概念在内的各种元素。我们已经掌握了这些数据,然后对Ava展开了针对性训练。”

人类分拣员不会失业。相反,他们可以帮助Ava掌握更多知识。“我们的团队会说‘这不够准确’,然后让Ava用更新后的数据继续训练Ava。”麦克·吴说。

找到网红

VSCO的另外一个用武之地就是网红营销。在各大品牌纷纷希望通过Twitter、Facebook、Instagram和其他社交平台寻找内容的当下,找到创作者是个颇具挑战任务。但在内容需求增加的同时,这些代理商和企业的预算并没有保持同步增长。

“我们相信自己能够帮助行业解决这个问题。”VSCO营销副总裁基尼·派克(Gne Paek)说。该公司最近刚刚把派克招致麾下,他此前是Instagram的企业营销主管。他认为,VSCO的技术(尤其是Ava)可以帮助品牌找到合适的内容制作者。

“所以它不仅可以帮助你找到我们眼中最适合你的创作者,还能在你的品牌或代理商对创作者的类型提出具体需求时,满足你的要求——例如,这个摄影师在这种风格或捕捉欢乐氛围的时候,表现好于其他人。利用Ava技术,我们便可提取你所看重的属性,然后找到能够制作这类内容的创作者。”他说。

“现在最关键的在于你的数字和人气指标,所以除非你人气很高,否则很难被品牌找到。”VSCO联合创始人兼首席体验官格雷格·卢泽(Greg Lutze)说,“但有了Ava,你就能因为自己喜欢的风格、擅长的方式和照片的品质脱颖而出。”

VSCO最终希望提供一个市场,让品牌可以明确表达自己的目标,再由VSCO帮助其找到合适的创作者。一旦完成匹配,VSCO便可处理定价和说明事宜,从而解决与独立创作者沟通时面临的问题。

“看看我们的整体设想,再看看我们赋能创作者、帮助人们创作制定内容的使命,我们认为Ava可以在所有这些方面提供帮助。”麦克·吴说,“既可以为创作流程提供辅助,也有望帮助人们与他们想要合作的个人和企业建立联系。”

【完】

本文作者:李杉 
原文发布时间:2017-06-16

VSCO不止有滤镜,还要教机器理解照片背后的艺术韵味相关推荐

  1. 谷歌教机器人理解语义,像人一样学习复杂技能 | 附3篇论文

    机器人可以通过机器学习获得复杂的技能,如抓取物体.开门等. 然而,学习这些技能需要我们先人工设置奖励函数,机器人随后再对它进行优化. 而人类,只通过观察别人的做法或者听别人讲,就能理解任务的目标.这依 ...

  2. 手把手教你理解卷积神经网络

    摘要: 卷积神经网络是一种识别和理解图像的神经网络.本文将从不同的层次来介绍卷积神经网络. 手把手教你理解卷积神经网络(一) 本文将继续为你介绍关于卷积神经网络的知识.为了保持文章的简洁性和全面性我将 ...

  3. 教机器写代码:增强拓扑进化网络(NEAT)

    教机器写代码:增强拓扑进化网络(NEAT) 在这篇文章中,我将向大家介绍一种名为增强拓扑进化网络(NEAT)的机器学习方法. 介绍 我喜欢学习.每当遇到从未接触过的书籍或论文,并开始阅读的时候,我都会 ...

  4. 机器学习:一步步教你理解反向传播方法

    机器学习:一步步教你理解反向传播方法 时间 2016-09-13 00:35:59  Yong Yuan's blog 原文  http://yongyuan.name/blog/back-propa ...

  5. 运用深度学习教机器人理解自然语言

    运用深度学习教机器人理解自然语言 2016-08-16 16:33 转载 CSDN 1条评论 雷锋网按:本文作者Jonathan是21CT的首席科学家.他主要研究机器学习和人工智能如何使用在文本和知识 ...

  6. 教你理解复杂的C/C++声明

    教你理解复杂的C/C++声明 关键字:C/C++,声明 作者:Vikram    更新:2005-08-21    浏览:9886 作者:Vikram A Punathambekar  翻译:陆其明 ...

  7. python lock_python lock一步步教你理解Python装饰器

    请仔细看我们的decorator实例.我们定义了一个接受单个参数some_func的名为outer的函数.在outer内部我们定义了一个名为inner的嵌套函数.inner函数打印一个字符串然后调用s ...

  8. 【机器学习】机器学习从零到掌握之十三 -- 教你理解Logistics回归之梯度上升算法

    本文是<机器学习从零到掌握>系列之第13篇 机器学习从零到掌握之一 -- 教你理解K近邻算法 机器学习从零到掌握之二 -- 教你实现K近邻算法 机器学习从零到掌握之三 -- 教你使用K近邻 ...

  9. 利用双向注意流进行机器理解

    利用双向注意流进行机器理解 本文基于Bi-Directional Attention Flow For Machine Comprehension一文 1. 概述 Machine Comprehens ...

最新文章

  1. C语言程序练习- L1-040 最佳情侣身高差 (10分)
  2. CF B. Working out
  3. java jackson 注解,java – 如何使用Jackson注释序列化此JSON?
  4. Rulo扫地机器人app_扫地机器人扫不干净 为什么我还推荐大家买?
  5. ubuntu16 安装 teamview 步骤
  6. python枚举算法流程图_python机器学习十大算法案例
  7. vue-router 详解
  8. 客户合并修改需求 @熊哥
  9. shiro+jwt登录认证anon配置无效
  10. 上海远丰:打破双11魔咒,让企业电商两条腿走路
  11. excel利用宏自动复制来自其他excel文件的数据
  12. 设计标志性专辑封面的 5 个技巧
  13. 电视为何降价至200元依然没人买?爱奇艺给出了答案
  14. project下build.gradle文件和module下buil.gradle
  15. ghost网络克隆功能实现【批量】计算机操作【系统的安装】,Ghost怎么网络克隆备份还原系统GhostCast教程...
  16. 一些有趣的鸽巢原理的题目
  17. snmp连接工具_运维工程师不可错过的2020年值得关注的综合性网络监控工具
  18. c语言visit函数作用,Visit
  19. STM32MP157驱动开发——Linux自带的LED灯驱动
  20. obsidian apk下载办法

热门文章

  1. 2022年PMP报考条件是什么?
  2. 开放平台全网发布php,微信开放平台开发-受权、全网发布(PHP)
  3. 细谈Quercus----Java之PHP框架
  4. android 副mic测试,如何检测Android中是否存在麦克风?
  5. matlab牵引,基于MATLAB_Simulink的牵引变压器建模与仿真
  6. 如何让Nginx也拥有服务发现的能力
  7. 初学者使用R语言读取excel/csv/txt的注意事项
  8. 23考研英语一、英语二真题和答案
  9. scuoj 4438 Censor
  10. B2Ctt商城06 cms系统