格隆匯6月26日丨虹軟科技(688088.SH)近期接受特定對象調研時表示， AIGC持續(xù)火熱，由文生圖開始延續(xù)到圖生圖、圖生視頻等階段，公司在AIGC技術與各大模型的差異主要分為以下三大方面：

1、可控"Control+Net"

【資料圖】

"Control+Net"是一個比較廣義的概念，如：卷積神經(jīng)網(wǎng)絡、小模型網(wǎng)絡等等，統(tǒng)稱 "Control+Net"，其精細可控的結果可以用于指導各種各樣的大模型生成控制。公司目前在"Control+Net"的規(guī)劃布局上大體分為五大類：

第一類：分割。分割的終極目的是"分割萬物"，但大模型通常沒有辦法給出非常精細的結果，邊緣通常有些粗糙。虹軟精耕分割領域多年，可以分割出非常精確的邊緣，甚至發(fā)絲及鏤空區(qū)域，這是非常核心的技術。

第二類：Pose。人體Pose主要分為三個部分，面部、手和身體，除了相關成熟且已應用到項目中多年的2D技術，目前虹軟還可以做到單目恢復人體3D模型的程度，為人體的局部細節(jié)控制和生成打下堅實的基礎。

第三類：深度恢復。目前虹軟有成熟的單攝和多攝深度恢復技術，一張照片就可以準確恢復圖像的深度信息，此技術已經(jīng)在手機背景虛化功能上穩(wěn)定使用多年，對公司的產(chǎn)品競爭力提升極大，相信將來也會成為 AIGC 產(chǎn)品的強力助手。

第四類：抽象化的邊緣檢測。美是抽象的，更是有藝術創(chuàng)造性的，虹軟在人像美化和美型方面有十余年的經(jīng)驗積累，對人體邊緣檢測的抽象化和美的處理可以驅動產(chǎn)生更符合大眾審美的模特生成結果。

第五類：全圖分析。公司目前很多技術都需要分析圖片中的對象，包括整幅圖中的出現(xiàn)的光照、人物、場景等等，然后做畫質或人像相關的特殊化處理，而這也將會使我們對大模型的生成有著更好的控制力。

2、優(yōu)化模型和優(yōu)化輸入

公司沒有自己的大模型，除自主研發(fā)外，還會結合具體的業(yè)務，通過對樣本和開源大模型的優(yōu)化，并結合相關領域的多個精細可控小模型，聯(lián)合起來相互作用，最終取得更好的產(chǎn)品效果。

3、解決圖片中的小錯誤

即使AIGC生成的圖片中有各種各樣"Control+Net"類型的控制，但是仍然避免不了會有一些小錯誤。解決的方法大體有兩種，①把圖片中多余、不合邏輯的地方去掉。②加強圖片中想要的東西，而且把不想要的對象去掉。所以，公司在AIGC技術上，能與大模型結合來創(chuàng)新引擎，從而與深度學習引擎、計算機視覺引擎、淺層網(wǎng)絡引擎以及3D圖形引擎等聯(lián)合起來，產(chǎn)生想要的、可控的結果，而且大大減少錯誤，這是一個自適應的過程。公司做視覺移動終端多年，積累了大量計算機視覺和人工智能的引擎，且許多引擎在手機上都已經(jīng)落地，已經(jīng)具有速度快、省電、穩(wěn)定、錯誤少、成功率高等特點，處理效果與產(chǎn)生的結果都較好。