馬　薈

“這是第一個(gè)真正實(shí)現(xiàn)大規(guī)模的基于圖片內(nèi)容的商業(yè)搜索。因?yàn)榛趫D片內(nèi)容的搜索從研究領(lǐng)域來(lái)講，已經(jīng)研究了很多年，但是一直都沒(méi)能真正把它運(yùn)用到這么大規(guī)模的互聯(lián)網(wǎng)的圖片上?！蔽④泚喼扪芯吭阂曈X(jué)計(jì)算組主管研究員孫劍，在采訪的最后才給記者總結(jié)了“顯示類似圖片”給微軟必應(yīng)圖片搜索帶來(lái)的革命性改變。

搜索，一直都不是微軟的強(qiáng)項(xiàng)。關(guān)鍵詞搜索成就了谷歌，搜索經(jīng)濟(jì)一時(shí)間成了互聯(lián)網(wǎng)最有說(shuō)服力的盈利金礦。不過(guò)，在讀圖時(shí)代，微軟讓谷歌的自信心開(kāi)始松動(dòng)。正如達(dá)爾文在《物種起源》中那段關(guān)于“叢林法則”的經(jīng)典論述，同樣適用于IT生態(tài)：“存活下來(lái)的物種，不是那些最強(qiáng)壯的種群，也不是那些智力最高的種群，而是那些對(duì)變化做出最積極反應(yīng)的物種?！?/p>

微軟亞洲研究院的圖片搜索技術(shù)，選擇回歸計(jì)算機(jī)運(yùn)算的本質(zhì)，從另外一種思路出發(fā)改善用戶的體驗(yàn)。

按圖尋道

在微軟亞洲研究院，創(chuàng)新唯一不變的就是變化。也正是技術(shù)所幻化出的科技魔力，給成千上萬(wàn)用戶帶來(lái)使用習(xí)慣的改變。

在博士期間，孫劍在模式識(shí)別與人工智能研究所，接觸到了與計(jì)算機(jī)視覺(jué)相似的研究。2003年7月，孫劍加入微軟亞洲研究院，目前主要研究交互式計(jì)算視覺(jué)和網(wǎng)絡(luò)計(jì)算視覺(jué)兩個(gè)方向。“計(jì)算機(jī)視覺(jué)研究其實(shí)就是告訴計(jì)算機(jī)怎么識(shí)別東西?！?/p>

現(xiàn)在市場(chǎng)上的圖片搜索引擎多少有些讓用戶無(wú)所適從。搜索圖片時(shí)碰到的問(wèn)題常常是，要么很難描述這個(gè)圖片，要么是關(guān)鍵詞本身的簡(jiǎn)單或模糊，導(dǎo)致搜索結(jié)果雜亂無(wú)章。

做圖片搜索，有基于計(jì)算機(jī)視覺(jué)和基于純文本的兩種方式。有這樣一項(xiàng)規(guī)律：在搜索過(guò)程中，圖像是需要一定時(shí)間來(lái)瀏覽的，基于文本的搜索引擎。用戶越早離開(kāi)，說(shuō)明結(jié)果越精準(zhǔn)，而基于圖像的正好相反，用戶越早離開(kāi)，說(shuō)明什么也沒(méi)有搜到。

“一圖抵千言”這句話也只是過(guò)于保守的陳述。但是，如果有一種對(duì)結(jié)果進(jìn)行微調(diào)的方法會(huì)怎樣呢?

“基于內(nèi)容的圖片搜索性能不是很好，當(dāng)有很多數(shù)據(jù)的時(shí)候做不快；基于文本的搜索，不適合輸入長(zhǎng)的信息，并且往往含有與圖片無(wú)關(guān)的有歧義和閑雜的信息。微軟將兩者結(jié)合，先輸如關(guān)鍵字，返回文本的搜索結(jié)果，然后用圖像的相似度，重新排序，這樣就更容易找到想要的搜索結(jié)果?！睂O劍對(duì)記者說(shuō)。

用一種并非基于文字查詢的方法對(duì)返回的圖片進(jìn)行重新排序，微軟亞洲研究院的“顯示類似圖片”工具恰恰能夠讓使用者做到這一點(diǎn)：從一定的搜索結(jié)果范圍中選定一個(gè)圖片(這些結(jié)果是根據(jù)文字搜索初步確定的)，然后再次提交請(qǐng)求，只需點(diǎn)擊一下，就可以根據(jù)與選定圖片的視覺(jué)相似度對(duì)結(jié)果中的圖片進(jìn)行重新排序。

看圖說(shuō)“化”

“在微軟亞洲研究院做研究常常是拍拍腦袋的事情，不過(guò)，大部分自己拍腦袋做的都沒(méi)有轉(zhuǎn)成產(chǎn)品。”在孫劍看來(lái)，“研究本身就是這樣的”。孫劍對(duì)記者表示，做研究，需要站在做產(chǎn)品的角度來(lái)思考，思考一個(gè)技術(shù)對(duì)于一個(gè)成熟的產(chǎn)品來(lái)說(shuō)，哪些功能是很重要的，哪些是不需要的。

2007年7月，微軟亞洲研究院視覺(jué)計(jì)算組研究員聞芳就動(dòng)了通過(guò)“圖片找圖片”的念頭?！爱?dāng)時(shí)我們沒(méi)想到要做到網(wǎng)上，只是把這個(gè)技術(shù)應(yīng)用在本機(jī)搜索中，用來(lái)查找家庭照片。后來(lái)無(wú)意中，發(fā)現(xiàn)網(wǎng)上基于文本搜索的文本本身有很多語(yǔ)義上的模糊性，于是把顯示相似圖片技術(shù)在網(wǎng)上試了試，發(fā)現(xiàn)效果出奇的好。”

2008年初，聞芳和同事做出了研究的原型，演示給當(dāng)時(shí)的圖片搜索產(chǎn)品組的同事看。“當(dāng)時(shí)我們一拍即合，這正是他們想要的功能。接著，我們就開(kāi)始討論怎么把技術(shù)真正的產(chǎn)品化。”在克服了包括計(jì)算復(fù)雜度、與現(xiàn)有產(chǎn)品設(shè)計(jì)的整合等等一系列問(wèn)題后，2008年lO月，“顯示相似圖片”技術(shù)成功轉(zhuǎn)化到了微軟的圖片搜索服務(wù)中。

2006年9月，微軟公司宣布在中國(guó)市場(chǎng)正式推出Live搜索服務(wù)中文版(測(cè)試版)。2007年7月，微軟LiveSearch團(tuán)隊(duì)又推出了三項(xiàng)Live圖片搜索新功能，包括允許用戶查找臉部圖片、肖像圖片和黑白圖片?！帮@示相似圖片”技術(shù)為圖片搜索開(kāi)辟出一個(gè)全新的方法，并把微軟圖片搜索又推向了一個(gè)新的階段。

技術(shù)搜圖

如何界定有效視覺(jué)相似度?如何有效地提取視覺(jué)特征，用于全網(wǎng)絡(luò)范圍的圖片搜索引擎?這兩個(gè)問(wèn)題成了“顯示相似圖片”查詢方法面臨的兩個(gè)主要挑戰(zhàn)。

孫劍和聞芳所在的研究組對(duì)用戶選定的圖片根據(jù)特征確定了五大類別：一般物體、簡(jiǎn)單背景下的物體、風(fēng)景圖片、肖像，和人物，對(duì)于不同類型的圖片使用不同視覺(jué)特征相似度組合。這種不同類相似度組合形成結(jié)果，比用固定特征組合的效果好。計(jì)算機(jī)通過(guò)“尋找”視覺(jué)特征(如面部、紋理、邊緣、顏色、空間分布等)，把這些特征分類后存在數(shù)據(jù)庫(kù)中，并用這些特征計(jì)算相似度，按照相似度大小依次排列。

“這里的關(guān)鍵在于，設(shè)法了解用戶究竟在查找什么，或者說(shuō)用戶的意圖。例如，如果該系統(tǒng)能夠了解用戶打算尋找面部圖片，而這些圖片被歸類為人像，那么就會(huì)調(diào)用面部識(shí)別算法，就會(huì)比一般的紋理分類算法更加有效?！睂O劍說(shuō)。

對(duì)用戶而言，這種類型的搜索引擎有很多好處。用戶可以簡(jiǎn)單而快捷地對(duì)初步搜索結(jié)果加以進(jìn)一步完善和過(guò)濾，使用圖片查詢而不是依靠文字。這樣，就可以更靈活和更準(zhǔn)確地對(duì)圖片進(jìn)行搜索，提供更符合用戶期望的搜索結(jié)果集。“圖片相似度在研究領(lǐng)域也是個(gè)開(kāi)放的問(wèn)題，還需要很多基礎(chǔ)的研究去改進(jìn)，只有把這些東西做好了，功能才能完善。”孫劍說(shuō)，技術(shù)本身是不存在門(mén)檻的，只有不斷進(jìn)步，才能保持領(lǐng)先。