SHMT：体验 AI 虚拟化妆！阿里巴巴达摩院推出自监督化妆转移技术

最新推荐文章于 2026-06-26 20:40:47 发布
原创 最新推荐文章于 2026-06-26 20:40:47 发布 · 1k 阅读 · 11
标签
#人工智能 #人工智能开源

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

  1. 技术特点：SHMT 采用自监督学习，无需成对训练数据，支持高效妆容迁移。
  2. 功能亮点：动态对齐校正功能，能够灵活处理复杂面部特征和表情变化。
  3. 应用场景：适用于虚拟试妆、社交媒体美容滤镜、电影角色设计等多个领域。

正文（附运行示例）

SHMT 是什么

SHMT

SHMT（Self-supervised Hierarchical Makeup Transfer）是阿里巴巴达摩院与武汉理工大学等机构联合研发的自监督化妆转移技术。该技术通过潜在扩散模型实现，能够在无需成对训练数据的情况下，将各种化妆风格自然地应用到目标面部图像上。

SHMT 采用“解耦-重建”策略，结合拉普拉斯金字塔和迭代双重对齐模块，实现了对不同化妆风格下纹理细节的灵活控制和对齐误差的动态校正，显著提升了化妆转移的效果和保真度。其主要优点在于能够处理复杂的面部特征和表情变化，提供高质量的迁移效果。

SHMT 的主要功能

  • 高效迁移：在处理多种化妆风格时保持高效和高质量，能将多样化的妆容风格自然且精准地应用于给定的面部图像。
  • 动态对齐校正：通过迭代双重
最低0.47元/天 解锁文章
NeurIPS 2024 | SHMT：通过潜在扩散模型进行自监督分层化妆转移（阿里，武汉理工）
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
01-05 709
本文研究了化妆迁移这一具有挑战性的任务，旨在将各种化妆风格精确而自然地应用于给定的面部图像。由于缺乏配对数据，当前的方法通常合成次优的伪基本事实来指导模型训练，导致化妆保真度低。此外，不同的化妆风格通常对人脸有不同的影响，但现有的方法很难处理这种多样性。为了解决这些问题，我们提出了一种通过潜在扩散模型的新型自监督分层化妆迁移 (SHMT) 方法。遵循“解耦和重建”范式，SHMT 以自监督的方式工作，摆脱了不精确的伪配对数据的误导。
多子品牌、多产品线实体区分，避免站内权重互相稀释
SEO_juper的博客
06-26 270
2026 年谷歌 AI 实体检索、知识图谱体系下，多子品牌、多产品线站点天然存在权重稀释、实体模糊、关键词内耗三大运营隐患，很多站点盲目扩充产品与品牌页面，却忽略实体隔离底层优化，导致外链、内容投入无法转化为对应流量收益。整套实体区分、权重收拢体系逻辑分为四层递进动作：第一，搭建二级分层隔离 URL 架构，从页面存放路径切割不同业务实体；第二，配置差异化 Organization、ProductGroup 结构化数据，给谷歌提供机器可读的独立实体标识，搭配 LinkedIn 外部档案完成交叉核验；
详解AI-Agent中的MCP（Model Context Protocol），与function call的区别与联系
m0_60827485的博客
06-24 455
摘要： MCP（Model Context Protocol）与Function Call在工业级AI-Agent架构中存在本质差异。Function Call是模型调用工具的具体动作（如结构化指令执行），而MCP是管理工具调用与上下文的协议层，相当于AI Agent的“操作系统”。 核心区别： 抽象层级：Function Call关注单次工具调用（动作层），MCP管理多轮调度、状态、权限等（协议层）。 能力范围：MCP涵盖上下文治理、工具路由、记忆管理等，Function Call仅解决“调用哪个函数”。
企业级AI网关技术方案：统一大模型访问与治理平台的设计与实践
技术引领业务创新
06-26 371
本文提出了一种企业级AI网关技术方案，旨在解决大模型在企业应用中面临的治理挑战。该平台采用三层架构设计：接入层支持多样化调用入口，网关层实现统一治理中枢功能，模型层连接多种模型资源。核心功能包括统一协议入口、精细权限控制、智能路由调度、容灾fallback机制、成本治理和全链路审计。平台通过虚拟Key管理实现组织隔离，基于语义路由和策略引擎实现多模型智能调度，同时提供预算护栏等风控措施。典型应用场景包括组织级流量统一治理和多源模型统一纳管
破局异构算力与多协议接入：基于 Docker 与 GB28181/RTSP 的边缘计算 AI 视频管理平台架构解析
m0_65443681的博客
06-25 383
该平台针对行业痛点提出三大创新解决方案：1）异构算力解耦，通过容器化技术实现X86/ARM架构及GPU/NPU芯片的跨平台适配，硬件抽象层设计使算法迁移效率提升95%；2）多协议流媒体融合引擎，支持GB28181/RTSP等主流协议及H.265/4K视频解析，实现品牌设备统一接入；3）闭环AI生态，集成算法商城、数据标注、可视化大屏及全渠道告警系统，提供从标注到推理的完整工作流。平台采用微服务架构，支持源码交付和OEM定制，显著降低二次开发成本，适用于智慧城市、工业视觉等场景的私有化部署需求。
Rethinking Cross-Layer Information Routing in Diffusion Transformers
liguandong
06-21 799
论文：本文是我的精读笔记，梳理它的诊断、方法与实验，并谈谈个人看法。
2026政策加码下的制造企业碳监测：边缘计算本地部署方案，打通碳交易数据底座
SaturnCloud的博客
06-26 546
与此同时，工信部启动 2026 年度工业节能降碳诊断服务，聚焦钢铁、电解铝、炼油、化工等重点行业，将碳排放核算与节能改造深度绑定，叠加中央 20% 改造投资补助、差别化电价、碳排放量置换等激励政策，制造企业的碳管理已从合规需求延伸为碳资产经营需求。碳交易的核心是数据可信。碳排放核算涉及电、气、煤、蒸汽等多品类能源数据，叠加生产工况、烟气浓度、物料参数等多维信息，传统方案仅能采集单一维度数据，无法在本地完成数据清洗、校验与融合核算，数据上传云端后再处理，既占用带宽，也容易出现数据偏差。
每日 AI 研究简报 · 2026-06-22
:: Dotnet Fantasy ::
06-22 308
本周 AI 领域迎来历史性转折——Claude Fable 5 短暂登顶后被叫停，智谱 GLM-5.2 开源破局逼近闭源前沿，全球大模型竞争进入"能力天花板"与"监管天花板"双轨博弈新阶段。
酒店技术创新报告：AI 趋势与战术（2026 年 Q2）
2509_93962717的博客
06-22 655
酒店 AI 已从“提供建议”进化到“自主执行”。核心变化是：AI 不再只是辅助决策，而是直接完成端到端任务（如调价、回复问询、处理会计流程），人类只介入例外和风险判断。
2025-TMM《Tensor-Based Late Fusion Incomplete Multiview Clustering》
Christo的博客
06-24 361
2025年（收稿日期 2024-05-20；录用日期 2025-01-04；正式发表日期 2025-05-07；当前版本日期 2025-09-24）：Xiaoxing Guo, Ming Yang, Gui-Fu Lu（通讯作者：Gui-Fu Lu）：安徽工程大学计算机与信息学院；哈尔滨工程大学数学科学学院。
#RAG系统混合检索
最新发布
2602_95606446的博客
06-26 207
*踩坑提醒**：script_score方式会对全库做cosine计算，数据量大了之后单次查询可能超过30秒。**方案一：批处理。** 单次推理改成batch推理，30对一起过，延迟从1.2秒降到0.4秒。** 30个候选减少到20个，rerank延迟降到0.25秒。m=16，ef_construction=100是平衡召回率和索引速度的参数，实测这个配置下索引速度约800条/秒，召回率比flat检索下降不到1%。faiss本地索引每天凌晨从ES同步一次，查询延迟约100ms，召回率约0.75，能用。
最新量化工具怎么选，先看自己的能力短板
2601_95631988的博客
06-25 349
读者应理解，工具选择不是越复杂越好，而是要贴合当前能力和任务阶段；同时，回测、模拟和实盘验证的问题不同，工具也应服务于这些不同判断。
2024-TIP《Spectral Embedding Fusion for Incomplete Multiview Clustering》
Christo的博客
06-24 328
2024年（Manuscript received 24 October 2022；：Jie Chen, Yingke Chen, Zhu Wang, Haixian Zhang, Xi Peng（四川大学计算机学院；英国 Northumbria University 计算机与信息科学系；四川大学法学院）
关于高维数据下的最近邻搜索算法性能分析的技术7
平头的博客
06-24 404
格式说明：
深度学习自编码器基础与欠完备自编码器 —— 复制的艺术（八十二）
hello.reader
06-21 727
自编码器不需要标签（用数据自身作监督信号，目标是重构 x），产出有用表示 h，能利用无标注的海量数据。非线性自编码器能找弯曲的流形（曲面），是 PCA 的强大推广，能捕捉更复杂的数据结构。上图展示自编码器的两个组件：编码器 f（x→h）和解码器 g（h→r），目标是 r 近似 x。上图展示欠完备自编码器的沙漏结构：编码维度（瓶颈，如 2 维）小于输入维度（如 8 维）。也有更具生物学意义的**再循环（recirculation）**算法（比较原始输入与重构输入的激活），但很少用于实际。
20 Embedding 与向量检索：语义为什么能变成距离
老于的笔记的专栏
06-22 1685
Embedding 是 RAG 语义检索的数学基础。本文用工程视角讲清文本如何变成向量，为什么语义相近会表现为距离相近，Top-K 检索如何工作，以及在模型选择、同模型约束、精确匹配和召回评估上的常见坑。
淘宝商品SKU图自动分类技术深度解析：从DOM容器定位到智能属性识别的完整实现
huangdong_的博客
06-21 218
SKU图是商品规格对应的细节图片，是电商运营中最重要的素材类型之一。类型说明淘宝示例颜色图不同颜色的商品展示红色款、蓝色款、黑色款尺码图不同尺码的细节展示S码、M码、L码型号图不同型号的配置展示标准版、Pro版、Max版平台测试商品数识别成功识别率平均耗时淘宝20019296.0%1.2秒京东20018492.0%1.1秒拼多多20018291.0%1.3秒168820019095.0%1.2秒容器定位：多选择器策略兼容不同平台属性提取。
GitHub - mukul975/Anthropic-Cybersecurity-Skills: 817个结构化网络安全技能，适用于AI代理
06-23 493
⚠️— 本项目为独立社区创建，与 Anthropic PBC 无任何关联。
显存爆炸解决方法之梯度累积：是什么、为什么、怎么做？从数学原理到代码落地的全流程指南
qq_62634342的博客
06-23 546
显存爆炸（OOM）是深度学习训练中的高频痛点，而梯度累积（Gradient Accumulation）作为最核心的显存优化手段之一，却常被误用或理解不深。本文按照“是什么-为什么-怎么做”的结构化逻辑，系统梳理梯度累积技术的完整知识体系：从数学本质出发，推导reduction='sum'/'mean'对梯度的影响及Loss缩放的必要性；深入剖析PyTorch标准实现范式、BatchNorm层在累积步数下的行为陷阱，以及TensorFlow/PyTorch混合训练中Loss对齐的工程细节；最后结合大模型训练场
Loop Engineering ：从提示词工程到循环工程，AI 编程的范式革命
2401_87662859的博客
06-24 497
摘要：2026年6月，AI编程领域迎来范式革命——LoopEngineering（循环工程），由ClaudeCode之父Boris Cherny等人提出。该理念主张从"提示词编写"转向"循环设计"，将AI编程分为六大组件：自动化触发、工作树隔离、技能沉淀、连接器集成、子Agent协作和外部记忆层。文章详细阐述了完整循环的工作流程、14步构建路线图，并警示三大陷阱：验证债务、理解债务和认知投降。LoopEngineering不是否定提示词，而是将人的角色升级为AI系统架
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值