上周，亞馬遜推出了其首款智能手機Fire Phone，其中號稱能“掃描一切”的圖像識別應用Firefly被認為是該產(chǎn)品上最大的亮點，也引起了業(yè)界對于圖像識別技術的新一輪關注。

另一方面，由于Fire Phone尚未出貨，許多關注Firefly的人對這款產(chǎn)品提出了一系列疑問：它的識別準確度如何？亞馬遜的數(shù)據(jù)是否能幫它建立起門檻？它又會給圖像識別領域帶來怎樣的影響？

在此之前，已有不少圖像識別領域的創(chuàng)業(yè)團隊在圖書、商品、人臉、視頻識別方面做了不少嘗試，并推出了相關應用，例如來自提供圖像識別和增強現(xiàn)實解決方案的亮風臺、專注于人臉識別的Face++以及來自硅谷的圖像識別創(chuàng)業(yè)公司Orbeus。

近日，亮風臺創(chuàng)始人廖春元、Face++聯(lián)合創(chuàng)始人印奇以及Orbeus的聯(lián)合創(chuàng)始人劉天強、王盟先后接受了雷鋒網(wǎng)的采訪，談及了自己對于Firefly的看法。

雷鋒網(wǎng)：之前是否關注過亞馬遜在圖像識別方面的進展？

廖春元：在4、5年前，亞馬遜收購了SnapTell公司時就開始關注。

王盟：亞馬遜一直花了很多精力做圖像識別，在歷屆計算機視覺會議上都能看到他們的身影。他們的A9團隊一直在做基于特征點的圖像匹配，效果還不錯。

印奇：有。之前亞馬遜就推出了Flow這個應用，它是Firefly的前身，在移動端商品、視覺搜索領域做出了很前沿的嘗試。

雷鋒網(wǎng)：你認為亞馬遜在圖書封面、商品包裝、視頻流媒體方面的圖像識別的準確率能達到怎樣的水平？

王盟：圖書封面、商品包裝基本已經(jīng)很成熟了。產(chǎn)品實物識別還比較難，不過隨著最近幾年深度學習的成熟，被解決的時機也指日可待。

廖春元：沒有專門的測試集我無法給出準確估計，但亞馬遜在這方面布局很久，應該不差。

雷鋒網(wǎng)：在Firefly涉及到的這些領域里，哪一個的技術難度最高？

印奇：這些技術里，類似圖書封面這類的視覺搜索相對簡單，因為有很多圖像和OCR的信息。商品包裝和流媒體搜索用的是不同技術，都很有挑戰(zhàn)性。

廖春元：在識別圖書、包裝和視頻等內(nèi)容中，識別技術上應該都差不多。如果要根據(jù)視頻中任意一幀，識別出該視頻的來源，則難度會相對高一些，因為需要索引的東西比普通書籍封面等多得多。

王盟：準確的文字檢測。

劉天強：就單純圖像、模式識別這些方面，識別精度亞馬遜并不出眾，但是Fire Phone設計上，多攝像頭對于形成物體的三維信息有很大的幫助，因此對于物體識別來說，他們能夠拿到比其他手機更全的信息，降低了識別的門檻。具體來說，其技術特點在于：一是用更多的特征數(shù)據(jù)來區(qū)分物體，二是將算法構(gòu)架在Amazon巨大的商品數(shù)據(jù)庫上面，三是對區(qū)分算法精度要求很高（如果正如他們聲稱的能夠識別超過一億類的物品，實在是一件了不起的工作）。

雷鋒網(wǎng)：亞馬遜擁有大量的圖書、商品、電影資源，他們的數(shù)據(jù)庫是否能夠成為他們在這些領域的圖像識別方面的門檻？

印奇：數(shù)據(jù)一定是一個核心資源，但未來這些數(shù)據(jù)一定會越來越開放。最終還是“搜索引擎”本身的技術能有多準確，多普適。

劉天強：當然，這是這項技術最高的門檻，算法誰都可以提高，但是數(shù)據(jù)卻并不是誰都有，海量的帶標注的數(shù)據(jù)，就更加難得。

廖春元：是的。

雷鋒網(wǎng)：你們是否會與其他的電商、視頻網(wǎng)站合作推出類似的產(chǎn)品？

劉天強：目前我們在App store上已經(jīng)有了ReKoEye這個應用，掃描物品得到其信息，暫時沒有推出類似產(chǎn)品的計劃，因為兩個原因。第一，算法精度達不到識別具體品牌的程度，例如我們可以識別某個物體是衣服，甚至可以識別出衣服的種類，但是識別不出來是哪些牌子，這會給消費者產(chǎn)生誤導。想象這樣的場景：一個用戶用我們的app掃眼前朋友身上的衣服，我們App就告訴她這是件短袖，然后推薦網(wǎng)站上同顏色的短袖，這件事情不是不能做，但目前已經(jīng)有不少相關App出現(xiàn)，個別app還依托于電商巨頭的數(shù)據(jù)庫（哪一家你懂的?。谏虡I(yè)上的表現(xiàn)也就是不溫不火。第二，我們認為這類App，并不是目前物體識別技術最佳的應用領域，因為目前的技術更加適合在大的數(shù)據(jù)集上跑，做統(tǒng)計、做搜索或者視頻更合適，而無法保證對單張圖片的識別95%以上都正確，這樣就很難做到很好的用戶體驗。

雷鋒網(wǎng)：此前是否有手機廠商希望與你們合作，把圖像識別的功能深度集成在手機中？

印奇：我們的技術被應用在很多手機中，但現(xiàn)階段都沒有做深度合作，未來有可能。

劉天強：有的，還不少，也考慮過，但是我們暫時打算繼續(xù)堅持云計算路線，因為我們相信未來多媒體數(shù)據(jù)最終一定都是在云端的。

廖春元：是，比如最近和Oppo合作推出的O-video就有類似功能，只不過數(shù)據(jù)量沒有亞馬遜大，還在擴充中。

雷鋒網(wǎng)：Firefly會給整個圖像識別領域帶來怎樣的影響？

劉天強：3D方面的識別會被帶起來，之前深度學習等工作，目前在視覺上比較常見的領域還是2D圖像，如果亞馬遜這種布局攝像頭的方式成為業(yè)界普遍接受的標準，那么甚至有可能本質(zhì)改變圖像的表示形式，例如現(xiàn)在圖像就是由像素點組成的，未來會不會由三維點陣組成的3D模型呢？讓我們拭目以待。

廖春元：會加速教育用戶，刺激創(chuàng)新，推動這個領域技術的產(chǎn)品化

印奇：Firefly算是第一個大規(guī)模商業(yè)化的移動端視覺搜索，會是里程碑意義的?，F(xiàn)在大家都在想什么才是真正移動搜索的形態(tài)，也許Firefly會給大家很多啟發(fā)。

雷鋒網(wǎng)：對你們公司呢？

印奇：未來我們會在人臉識別領域持續(xù)專注的同時，會從人臉領域擴展到更廣的圖像識別理解領域。不排除做視覺搜索的可能性。

廖春元：既有挑戰(zhàn)也有機會。挑戰(zhàn)是在世界范圍內(nèi)有這樣強勁的對手；機會是為我們樹立了一個行業(yè)標桿，加速中國市場的培育。

王盟：讓人們知道我們的東西的重要性。

雷鋒網(wǎng)：它能否幫助用戶真正養(yǎng)成用手機掃描圖片、視頻進行識別的習慣？

劉天強：亞馬遜不是第一家做了類似的產(chǎn)品，過去其他公司用了眾包的方法做，比如IQ Engine和Camera Find，效果也很精確，但暫時都沒有取得商業(yè)上的成功。亞馬遜和他們的區(qū)別在于識別全自動，但對于真正需要購買該商品的用戶來講，不會在乎多等幾秒鐘時間，更何況目前亞馬遜的App如果沒有Fire Phone的支持，對于非剛性的物體的識別精度還不夠，不如目前市面上做物體識別的許多公司，比如我們Orbeus。

廖春元：手機掃描只是交互的實現(xiàn)方式。從用戶體驗的本源來看，當一個人看到當下周邊環(huán)境中有感興趣的目標時，的確有沖動想要了解更多。這個產(chǎn)品以簡單的輸入方式滿足用戶的這種需求，借助亞馬遜強大的內(nèi)容和技術資源，是有可能培養(yǎng)用戶習慣的。也許將來不一定是用手機，可能是和智能眼鏡，但視覺搜索這個功能會像當年的關鍵字搜索一樣成為生活必需。

印奇：我覺得因為在手機端文字輸入太低效，未來大家一定會像現(xiàn)在習慣掃二維碼一樣習慣去掃更多的東西，F(xiàn)irefly是一個很好的開端。

雷鋒網(wǎng)：Firefly也提供了SDK，會有更多人用他們的圖像識別技術直接開發(fā)應用，是否擔心它會對你們帶來沖擊？

劉天強：當然，在物體識別這個領域必然會有競爭，但是Orbeus的技術更加細分，除了物體場景識別外，還支持用戶自定義數(shù)據(jù)庫，而不僅僅只是識別亞馬遜庫里才有的商品。例如用戶想識別狗，想識別貓，這些活物，就不會是亞馬遜上的商品；再比如用戶希望手機能識別所有Facebook的好友的臉，這些數(shù)據(jù)集都是非常個性化的，亞馬遜并不具備這方面的技術優(yōu)勢，對他們目前的布局也沒有太大的貢獻。因此，在大的識別領域，我們并不構(gòu)成競爭。

廖春元：作為一個成功的產(chǎn)品，除了識別算法外，本地化的數(shù)據(jù)積累、產(chǎn)品設計、市場營銷等都必不可少。我們在國內(nèi)有先發(fā)優(yōu)勢，這和云計算領域國內(nèi)產(chǎn)品和AWS的競爭類似。另一方面，使用SDK開發(fā)會有一定局限性，難以在垂直領域優(yōu)化性能；而我們公司擁有自己的全套自主知識產(chǎn)權(quán)識別算法和系統(tǒng)，最靈活，最容易單點突破。

雷鋒網(wǎng)：未來是否會有更多手機搭載四枚或更多的前攝像頭，以支持這類功能？

廖春元：多鏡頭手機是趨勢，也是應對用戶對3D輸入、輸出的要求。

印奇：硬件永遠是軟件的延伸。如果亞馬遜這些視覺功能未來被大家廣泛使用，硬件改造難度并不高。

（題圖來源：The Hindu）

“硅谷鋒向標”（guigufxb），雷鋒網(wǎng)硅谷新聞中心出品，關注硅谷動向的科技人士不可不看的前沿資訊平臺。請通過微信掃描以下二維碼關注：

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。