回顧2018年，是屬于人工智能的一年，不論是Google、Facebook、Intel、阿里巴巴等通過產業布局進入人工智能領域的互聯網企業，亦或如曠視科技Face++、極鏈科技Video++、優必選科技這樣直接以人工智能起家的原生技術企業，都將AI注入到每個角落，掀起了一輪又一輪的技術高潮。

因而，除了NLP研究突破接連不斷，CV領域同樣精彩紛呈，伴隨著各式各樣落地應用如此接近人們的生活，技術也變得越發成熟。本文整理了在2018年，在CV技術領域取得的最主要的一些重大技術突破。

BigGAN發布

Ian Goodfellow在2014年設計了GAN，在之后的幾年中，圍繞這個概念產生了多種多樣的應用程序。

其中，在ICLR 2019論文中出現的BigGAN，同樣是一個GAN，只不過更強大，是擁有了更聰明的課程學習技巧的GAN，由它訓練生成的圖像連它自己都分辨不出真假，因為除非拿顯微鏡看，否則將無法判斷該圖像是否有任何問題，因而，它更被譽為史上最強的圖像生成器。

在計算機圖像研究史上，BigGAN帶來的突破是劃時代的，比如在ImageNet上進行128×128分辨率的訓練后，它的IS得分能達到166.3，是之前最佳得分52.52分3倍；除了搞定128×128小圖之外，BigGAN還能直接在256×256、512×512的ImageNet數據上訓練，生成更讓人信服的樣本。

英偉達Video-to-Video Synthesis

英偉達在2018年的收獲頗豐，他們的研究焦點從標準的監督學習轉向更具挑戰性的機器學習，如半監督學習，領域適應，主動學習和生成模型等。其中，由英偉達在2018年末發布的最大成果之一便是視頻到視頻生成（Video-to-Video synthesis），它通過精心設計的發生器、鑒別器網絡以及時空對抗物鏡，合成高分辨率、照片級真實、時間一致的視頻，實現了讓AI更具物理意識，更強大，并能夠推廣到新的和看不見的更多場景。

因而，Video-to-Video Synthesis也被看作是在過去幾年中，視頻領域的一次重大突破，畢竟從靜態框架轉換為動態框架的難度是很大的，但機器訓練卻在盡量模擬預測視頻將會發生的情景，通過給定的輸入視頻學習映射函數，產生仿真度極高的視頻內容。

Fast.ai18分鐘訓練ImageNet

在普遍認知還停留在需要大量計算資源來執行適當的深度學習任務時，Fast.ai通過使用16個公共AWS云實例，每個配備8個NVIDIA V100 GPU，運行fast.ai和PyTorch，用18分鐘在ImageNet上將圖像分類模型訓練到了93%的準確率，刷新了一個新的速度記錄。

這是一個令人驚喜的結果，尤其在公共基礎設施上訓練ImageNet能達到這種準確性，并且比其專有TPU Pod群集上的谷歌DAWNBench記錄快40％，運行成本僅約為40美元。這意味著一個關鍵的里程碑出現了，幾乎所有人都可以在一個相當大的數據集上訓練大規模神經網絡。

除了這些重要的節點之外，2018年的計算機視覺技術也部署更多方面，不論是亞馬遜發布Rekognition將計算機視覺置于開發人員、微軟為OneDrive和SharePoint推出了新的AI服務、Google相冊讓我們的記憶變得可搜索、還是每個場景下都正在逐漸普及的AI人臉識別等等，計算機視覺正在逐步滲透到我們生活的每個部分。

最后，最值得注意的是，計算機視覺的市場增長幾乎與其技術能力的增長是一樣快的，預計到 2025年，計算機視覺領域會帶來超過262億美元的收益，因而在人工智能的未來里，計算機視覺一定是最有力的表現形式，并將隨處可見。