在内容创作领域，内容素材是内容创作中的核心，与之相关的技术仍有诸多挑战：如何根据用户的创意从大量素材库中精准挑选出符合预期的片段；挑选出的素材质量不够高清怎么办；素材的内容不完全满足要求，如何快速进行二次编辑等等。

腾讯 ARC Lab 从内容理解、内容增强、内容生成等多个环节对内容创作领域的 AI 技术做了前沿研究，并且把在内容的跨模态检索、复原与增强、二次创作中的研究成果应用到实际的辅助内容创作中去，提高了新内容的创作速度与质量。

本次分享中，我主要选取介绍腾讯 ARC Lab 在内容创作领域中应用 AI 技术的一些最新进展，希望能给对内容创作领域以及相关技术感兴趣的人们带来一些启发。

演讲提纲：

1. AI 内容创作的背景介绍
   • 用户：从一个小想法到饱满的结果
   • 平台：从大量素材库到浓缩的精华
2. 内容的跨模态检索：实体词感知（Entity-aware）的跨模态向量检索
3. 内容素材的复原与增强
   • 基于生成网络先验的人像复原与增强
   • 通用图像 / 视频增强：设计更贴近实际的降质过程
4. 内容的二次创作
   • 人像驱动：视频处理的加速实践
   • 抠图与合成：结合多任务辅助学习
5. 总结

你将获得：

• 最新 AI 技术在内容创作中的背景与概览
• 多项前沿技术，包括多模态检索、复原与增强、生成与编辑技术
• 多模态检索等技术在内容创作中的实际使用

供应链系统是生鲜零售领域核心价值所在。这个行业是希望以更高的效率、更低的成本带给用户更好的体验，这就对我们的算法模型提出了非常大的挑战。

在本次演讲中，我将介绍叮咚买菜供应链全链路算法应用，通过若干个实例，分享机器学习、数据挖掘、运筹优化等算法在构建智能供应链系中起到的关键作用以及取得的成果。

希望通过本次演讲，帮助一线的供应链/物流领域的算法工程师和爱好者们了解叮咚买菜智能供应链系统的构建，以及如何利用机器学习/运筹优化算法有效地解决生鲜零售场景下的实际问题。

演讲提纲：

1. 生鲜电商供应链业务背景
2. 业务上的问题范畴和复杂度
3. 叮咚买菜供应链全链路算法应用（示例）
4. 总结并展望未来

你将获得：

• 了解生鲜电商供应链的业务概览
• 了解叮咚买菜智能供应链系统的构建
• 学习如何利用机器学习/运筹优化算法有效地解决生鲜零售场景下的实际问题

在现代互联网行业中，在线预估服务已成为搜索、推荐、广告等领域内不可或缺的组成部分。预估服务是利用模型来进行预测的过程，本质上是一个围绕样本/特征/模型的计算逻辑集合。如何在 OPPO 这种多业务多场景、大规模流量的情况下，以具有成本效益的方式来进行模型在线实时预估，我们面临以下几个挑战：

1. 模型预估能力是一个通用的需求，灵活满足业务诉求的同时如何兼顾整体效率，避免重复开发？
2. 如何应对超多候选、超多特征、超大模型所带来的巨大算力成本消耗？
3. 如何解决线上线下特征样本一致性的担忧？如何提供一种灵活的架构可以对粗排精排场景采取针对性的适配优化？

针对这些问题，本次演讲我将从实际工作角度出发，阐述相关的技术方案和选型，分享我们在建设推搜广全场景统一预估引擎的具体实践与经验。

演讲提纲

1. 统一的特征计算框架
   • 可扩展算子模式
   • 无冗余分离计算
2. 统一的模型推理管理
   • 统一模型推理接口
   • 支持推理分离架构
3. 预估多阶段加速机制
   • 多核加速
   • 多机加速
4. 在线离线一致性方案
   • 计算逻辑约束
   • 回调数据约束
5. 粗排针对性优化分享
   • 协议优化
   • 流程优化
   • 算力优化

听众收益

• 了解应对多业务多场景的模型预估服务的参考设计
• 了解统一预估引擎落地的一些技术挑战和解决方案
• 了解统一预估引擎对粗排所做的针对性优化及思考