Kuaizi专注内容商业领域的增长，陆续推出AI脚本、AI助理小K、AI解构器、AI体验馆等AIGC应用，为上千客户提供企业级AIGC内容商业全链路解决方案。
品牌视觉是传递品牌形象力的有效方式，也是消费者接触品牌的最直接方式，对品牌发展起着至关重要的作用。所以品牌的视觉宣传图片等需要通过层层审核，避免损坏品牌整体形象。此过程可谓繁琐又低效。
同时品牌市场部的内容生产呈几何级增长，产品SKU越多，产生内容也就越多，汇集了大量的创意内容资产之后，就会出现筛选难、管理难、资产浪费等情况，难以形成价值。
在过去的几年里，Kuaizi在内容商业上沉淀了独特的方法论，以及积累了数百万的创意数据集的布局数据，K联通大流量卡uaizi宣布推出——BV-1（Brand Visual Deconstruction）品牌视觉检测及解构模型。
BV-1
Brand Visual Deconstruction
Kuaizi在过去服务大量品牌客户的经验中，总结出品牌视觉图片基本由以下元素组成：model，slogan，button，logo，product，background，decoration。
BV-1（Brand Visual Deconstruction）品牌视觉检测及解构模型，基于数百万的创意数据集的布局数据，使用resnet101+rfcn算法模型训练而成，具备图像理解、目标检测、智能标签等能力，可应用于品牌视觉规范联通大流量卡检测、商品主图解构及智能标签检索等领域。
图 | BV-1标识
在AI模型时代，BV-1模型已经能够将品牌繁琐的视觉审核流程，变成一键解决的事情，让内容团队从繁冗的创意内容资产中解放出来。
合规检测-创意解构-智能标签
1. 解构商品主图
解构品牌电商商品主图、品牌海报等，高效替换主图model，slogan，button，logo，product等，可复用优质元素，提升商品主图爆款概率。
2. 智能标签检索
解构创意图片过程智能打标签，在海量的创意图片中，通过标签快速检索出需要的创意图片，创意图片再多也不怕。
3. 品牌VI规范检测
识别品牌宣传图model，slogan，button，logo，produc联通大流量卡t等元素，识别出各个图层类别并标识出图层的相应位置，快速检测品牌视觉图片的规范性，规避不合格品牌视觉，统一品牌视觉，维护和提升品牌形象。
4. 生成prompt与生成模型配合
理解标签之后生成提示词，与生成式模型配合，自动生成更为精准的内容。
BV-1算法选型
基于深度学习的图像检测算法的其中一类是：two-stage，代表算法模型：r-fcn(基于区域的全卷积网络)。rfcn为了给全卷积网络引入平移变化，用专门的卷积层构建位置敏感分数地图（position-sensitive score maps）。每个空间敏感地图编码感兴趣区域的相对空间位置信息。
r-fcn工作方式：
图 | r-fcn整体流程图
从联通大流量卡模型易用性、训练迭代速度、测试速度和准确率指标出发选择模型算法，BV-1使用resnet101+rfcn算法模型，可同时并发检测100+图片，且具有高准确率和稳定性，能够有效地提高品牌创意图片识别和检测的效率。
BV-1模型目前已经在Kuaizi DAM+平台中应用，支撑数千用户每天数万张图片实时检测处理。
Kuaizi BV-1将会打造成应用产品，为客户提供提供更加多元的服务场景，后续BV-1也将逐步推开，通过API接口等方式能够被更多的客户所调用。敬请期待~
友情提醒： 请添加客服微信进行免费领取流量卡！
QQ交流群：226333560 站长微信：qgzmt2
原创文章，作者：sunyaqun，如若转载，请注明出处：https://www.dallk.cn/53495.html
