2023 大语言模型技术报告.pdf

随着 AI 技术、尤其是生成式大模型的飞速发展，AI 已经渗透到各个领域，也包括 PC 和操作系统。deepin（深度）操作系统正在努力与 AI 深度融合，让用户享受更智能、更高效的使用体验。

之前，deepin 选取了用户常用的智能全局搜索、邮件、浏览器三大应用，率先开启 AI 能力。最近，深度看图悄然更新了 AI 修图功能，让我们从安装到实操，再到背后的技术实现，近距离看看发生了哪些变化！

便捷安装

deepin V20.9 更新系统后，可在应用商店一键安装“看图 AI 插件”：

当然，也可通过命令直接安装：

 sudo apt install imageenhance

丰富的本地化图像 AI 功能

在最新上架的看图 AI 插件中，一口气增加了 8 个 AI 修图功能，不依赖于互联网在线模型，也不受制于算力的硬件约束，在 PC 单机上可轻松运行。

图像上色：为黑白图像或单色图像自动添加颜色；

提升分辨率：增加图像的像素密度，使图像细节更加清晰和具象化；
模糊背景：降低图像背景的清晰度，使主体更加突出；
删除背景：去除图像背景，使主体独立出来或更换新的背景；
手绘漫画：将真实图像转化为手绘漫画风格；
2D 漫画：将真实图像转化为 2D 漫画风格；
3D 漫画：将真实图像转化为 3D 漫画风格；
素描：将真实图像转化为素描风格。
让我们看看实操效果：

图片上色

提升分辨率

模糊背景

删除背景

手绘漫画

2D 漫画

3D 漫画

素描

探秘背后的技术实现

与动辄需要强大算力和硬件设备的大模型相比，本地化 AI 模型背后的技术有哪些呢？

风格转换：采用全新域校准图像翻译模型 DCT-Net（Domain-Calibrated Translation），利用小样本的风格数据，即可得到高保真、强鲁棒、易拓展的人像风格转换模型，并通过端到端推理快速得到风格转换结果；

图像分辨率提升：在 Real-ESRGAN 提出了通过多次降质的方式来模拟真实复杂降质，相比较于之前的简单下采样，能够更好处理真实的低分辨率场景；

图片上色：使用了最新的 SOTA 图像上色算法，能够对输入的黑白图像生成自然生动的彩色结果。

彩蛋：在deepin上部署其他AI框架

deepin（深度）操作系统的 AI 能力这么强，可以支持其他主流框架部署使用吗？答案是肯定的，首先来挑战下 OpenVINO 吧。

OpenVINO 是英特尔推出的一款全面的工具套件，用于快速部署视觉应用和解决方案。它支持计算机视觉的 CNN 网络结构超过 150 余种，是一个 Pipeline 工具集，可以完成算法模型部署所需要的各种能力。

环境安装

前置条件：Conda、Git。

安装命令：

 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirement.txt

requirements.txt :

 openvino==2023.1 openvino-dev==2023.1 git+https://github.com/huggingface/optimum-intel.git onnx==1.14.1

模型转换

环境安装后，对于 PyTorch 模型，需要将其转化为 ONNX 模型，然后用命令将其转换为 IR 模型：

 mo --input_model model.onnx

模型转换后 OpenVINO 即可正常运行相关 demo 进行图像转换。

这是一个充满无限可能的 AI 时代，深度看图在 AI 的加持下，可以让每一张图像都成为我们心灵的独特表达，让每一次分享都成为与世界的美好对话。让我们共同探索视觉艺术的无限可能，让生活更加美好！

内容来源：deepin社区