Google 黑板报: 十一月 2016

Google推出PhotoScan：完美实现纸质照片数字化

2016年11月25日

对于那些布满灰尘，被遗忘在某个角落的老旧相册和照片，大多数人并不会花时间将它们转成电子版，因为这样做起来很费劲。专门挑选和购买扫描仪费时又费力，而翻拍出来的照片往往质量不佳，要么边缘弯曲要么无法消除眩光。
为了便捷地解决纸质照片数字化的问题，Google推出了PhotoScan，一款来自Google Photos免费的全新独立应用程序，能够随时随地轻松扫描各种纸质照片，同步支持Android和iOS系统。
PhotoScan只需几秒便能够将纸质照片扫描成数字照片——它能够监测到照片边缘，将图像拉直，旋转成正确的方向并移除眩光。
接下来，让我们通过下面这个Nat & Lo制作的视频，了解一下计算摄影（Computational Photography）技术如何实现对旧照片边界和内容的识别，进而在扫描过程中对图像进行优化，并去除光斑：

扫描进手机的旧照片还需要些许润色，新鲜出炉的自拍也需要后期美化。而要达到想要的最佳效果，处理照片可能需要花上不少时间，用户面对如此多的编辑工具，也会觉得无从下手。
Google Photos 最新推出了三个便捷的照片处理功能，能更好地帮助用户获得满意的照片：
全新的自动增强功能
这个功能可帮助用户实现如专业编辑般的即时增强效果——比如通过平衡曝光度和饱和度来彰显细节。
新增的独特效果
其次，本次更新的12种独特的全新效果，能在用户编辑前根据具体的照片及其亮度、暗度、色温和饱和度进行自适应调整，且会对照片的内容进行智能补充，用户只需要根据个人喜好和品味选择即可。

高级编辑工具
另外，对光线和色彩的高级编辑控制功能，则可以帮助用户对照片进行微调，包括高光、阴影和色温的处理。

Google消费者洞察：揭示黑五购物趋势

2016年11月23日

智能手机已然成为消费者值得信赖的购物伴侣。在美国，移动购物搜索量在2015年实现了激增，在感恩节和黑五首次超越台式机搜索量[1]。在今年，更有76%的消费者会在购物前一天对周边的商店进行搜索[2]。
今年，Google 发现，购物达人继续在智能手机上进行搜索和购物。随着今年“黑五”购物季的到来，Google 数据揭示了消费者将如何购物，又将购买什么。
女性早早下手，男性有所等待女性主导着移动网页，在这个假日购物季的搜索量和购买量是男性的两倍。不过，到了圣诞节那一周，男性更可能用移动设备完成购物计划[3]。

Hatchimals和任天堂是购物者今年礼物清单的首选消费者已经开始挑选感恩节和圣诞节礼物。在11月的前两周，最热门的礼物搜索是任天堂 Entertainment System 和 Hatchimals（一种会孵化的新奇毛绒动物玩具）[4]。
很多消费者在搜寻礼物时都很有针对性，但也有一些消费者想要购买更个性化的礼物，并在网上寻找灵感。与2014年的数据相比，2015年黑五时期“独特礼物”的移动端搜索量增长了超过65%，“酷炫礼物”的移动端搜索量甚至增长了80%[5]。
黑五当天，商店下午时段最拥挤
虽然黑五通常会吸引不少早起购物者，商店客流量通常会在中午至下午4点的午后达到峰值。不过人们一整天都会购物[6]。在黑五这天，移动端的购物搜索量会保持稳定，因为购物者希望抓住黑五的打折促销机会，规划他们的商店之行[7]。

美国的新英格兰人钟爱打折促销虽然黑五周末能够吸引通常很不情愿的购物者前往商店购物，但美国一些地区要比其他一些地区更加钟爱打折促销。到了黑五当天上午10点，超过四分之一的新英格兰购物者已经在寻找打折促销的商品，走进了百货商店或购物中心。美国其他地区要比新英格兰地区晚一个小时[8]。在移动端上也是如此：居住在新罕布什尔州的人们在产品相关交易搜索量方面要高于美国其他各州的人们[9]。不过，在商店开门前和关门后很长一段时间，消费者还会继续购物。在去年的感恩节期间，59%的移动端购物搜索量发生在商店开门前。购物一直持续到了晚上，移动购物搜索量在晚上8点达到了峰值[10]。

数据证明，消费者在黑五购物季的购物方式和内柔都发生了巨大的改变，这将引领从业者向着新的方向不断发展。

Sources
[1] Google Search Data, U.S., Nov. 2014 vs. Nov. 2015. [2] Google/Purchased Digital Diary: "How Consumers Solve Their Needs in the Moment," representative sample of U.S. smartphone users = 1,000, local searchers = 634, purchases = 1,140, May 2016. [3] Google Analytics, aggregated, anonymized data from U.S. accounts that are opted in to sharing benchmark data; mobile only, shopping vertical, Nov. 15, 2015 – Dec. 31, 2015. [4] Google Shopping Insights, U.S., all devices, Nov. 1 – Nov. 13, 2016. [5] Google Search Data, U.S., apparel, home & garden, beauty & personal care, computers & electronics, gifts, toys & games, photo & video, Nov. – Dec. 2014 vs. Nov. – Dec. 2015. [6] Google Data, aggregated, anonymized store traffic for clothing, electronics, and toy stores from a sample of U.S. users who have turned on location history, Nov. 2015. [7] Google Search Data, U.S., apparel, computer & electronics, and games & toys. mobile only. Nov. 2015. [8] Google Data, aggregated, anonymized store traffic for clothing, electronics, and toy stores from a sample of U.S. users who have turned on location history; store traffic after midnight attributed to Black Friday, Nov. 2015. [9] Google Search Data, U.S., apparel, home & garden, beauty & personal care, computers & electronics, gifts, toys & games, photo & video; mobile only, Nov. 2015.[10] Google Data, aggregated, anonymized store traffic for clothing, electronics, and toy stores from a sample of U.S. users who have turned on location history; Google Search Data, U.S., apparel, computer & electronics, and games & toys; stores considered open after 6:00 p.m. on Thanksgiving, Nov. 2015.

更精准流畅！Google 翻译今日正式运用神经网络机器翻译系统

2016年11月16日

面世十年以来，Google 翻译支持的语言已经增加到了103种，为无数来自不同语言地区的人建立了联系，突破了语言障碍，它甚至见证了很多美好的跨语言爱情。
起初，Google 开拓性地推出了大型统计机器翻译（Large-scale Statistical Machine Translation），建立统计学模型来对文本进行翻译。而现在推出的神经网络机器翻译系统，将大幅度提高 Google 翻译的精确度与流畅度。
今年9月，研究人员发布了 Google 在神经网络机器翻译系统上的最新成果。这项技术的革新之处在于将句子视为一个整体进行翻译，而非以往的将其拆分为词和短语。该技术选取了更广泛的文本样本来帮助得出最准确的翻译结果，这让机器翻译更符合人类的思维模式和语法结构。当每个句子都更加流畅，翻译段落和全文时，翻译结果的可读性就得到了非常大的提升。同时，Google 在其中还建立了端对端学习系统，这让整个翻译系统可以自行在翻译中进行学习和训练，并使翻译水平获得进一步提升。
现在，Google 翻译将正式启用这一系统，支持英语和法语、德语、西班牙语、葡萄牙语、中文、日语、韩语、土耳其语这八组语言的互译。这包含了世界约三分之一人口的母语，占到了Google 翻译查询量的35%以上！

此次更新对 Google 翻译的改进远超过去十年，但这仅仅是个开始。现在，Google翻译在其移动应用、Google搜索以及网站中，针对上面提到的八种语言提供神经网络机器翻译。但 Google的最终目标是让 103 种语言的使用者，在Google 翻译的所有界面中都可使用神经网络机器翻译。
除此之外，Google 今日也宣布在 Google 云平台上提供机器学习 API，让机器学习技术面向更多人。不仅如此，今天开始任何企业也都可以通过Google云平台翻译API来使用Google神经网络机器翻译。对于Google 翻译来说，神经网络机器翻译系统是一个重要里程碑，但 Google 仍将继续致力于翻译系统的改进和优化。Google也通过 Translate Community，让广大用户可以一起参与来改进Google翻译的结果，从而为大家提供更好的翻译服务。

机器学习项目 TensorFlow 开源一周年

2016年11月10日

自Google Brain Team开源TensorFlow以来，这一年可谓是发生了很多事情。此举旨在加速机器学习方面的研究，让技术能够更好地服务于每个人。自宣布开源以来，这个项目开始变得非常活跃，超过450人直接为TensorFlow做贡献，包括Google员工、外部研究人员、独立程序员以及供职于其他大型公司的高级开发人员，让TensorFlow成为了GitHub上最受欢迎的机器学习项目之一。

凭借十二个月的时间里超过一万次调试，Google Brain 团队为 TensorFlow 做出了一系列性能改进，增添了对分布式训练的支持，将TensorFlow带入了iOS和Raspberry Pi，把TensorFlow与Hadoop和其他生产基础设施进行了集成，让人们通过Go、Rust和Haskell可以访问TensorFlow，在TensorFlow中推出了最先进的图像分类模型，回答了成千上万个GitHub、StackOverflow和TensorFlow邮件列表中的问题。
在 Google，TensorFlow 参与到了从大规模产品特性支持到探索性调研在内的方方面面的工作。近期 Google Translate 的重大更新就有 TensorFlow 和 Tensor Processing Units 提供的硬件加速支持；Project Magenta 中正在研究的最新强化学习模型可以谱写乐曲；一位访问博士生携手 Google Brain 研究人员打造的一个TensorFlow模型，能够自动插入不同的艺术风格。DeepMind近期宣布将其所有最新研究迁移至TensorFlow，例如将语音样本改造成令人着迷的语言和音乐的生成模型。
过去一年，世界各地的人们使用TensorFlow取得了各种各样的成就：
- 澳大利亚海洋生物学家正在使用TensorFlow在数万张高清图片中寻找海牛，从而更好统计这种濒危物种的种群数量。 - 一位富有进取心的日本黄瓜菜农使用TensorFlow训练了一个模型，能够根据大小、形状和其他特征对黄瓜进行分类。 - 放射学家采用TensorFlow在医学扫描图片中识别帕金森病症状。 - 湾区的数据科学家使用TensorFlow和Raspberry Pi对加州火车进行追踪。
Google Brain 致力于确保 TensorFlow 的可扩展性，不论是从研究到生产，还是从最小的 Raspberry Pi 到布满 GPU 或 TPU 的服务器场。但 TensorFlow 不仅仅是单独的一个开源项目，Google Brain 有意于借此为相关的软件与机器学习模型建立一个开源生态系统：
- TensorFlow Serving 项目简化了将 TensorFlow 模型运用到产品中的流程。 - TensorFlow 将传统线性模型与深度神经网络联系起来。 - 为希望在云端与 TensorFlow 团队一起进行研究的贡献者，Google 云平台近期推出了包含了 TensorFlow 相关服务的机器学习云平台。
在 TensorFlow 社群中，TensorFlow 模型智囊团的规模一直在持续增长，其中来自 GitHub 上的就已多达 3000 人。
对于已经在尖端产品、宏伟研究项目、快速发展的创业公司和学校项目中采用了TensorFlow的人们，我们表示感谢。此外，我们还要特别感谢为代码库直接做贡献的人们。通过携手全球机器学习社区，我们期待来年让TensorFlow变得更好！

Google推出设计平台Material.io

2016年11月4日

设计是一门不断发现问题并解决问题的艺术：发现需求，形成想法，然后打造合适的解决方案，周而复始。

设计团队中，协作的沟通效率问题是否让你和同事们抓狂？Google Material Design推出了更好的解决方案！
Material design是为了让设计与实现变得合理化而制定共同语言，帮助设计团队让其作品风格化、品牌化、并实现团队间交互和动向的统一。
此次开源设计平台Material.io提供了全新的工具和灵感，为优秀设计团队提升沟通和生产力。

Material.io
Material.io将Material Design的现有资源进行了集中，为Material Design打造了全新的视觉识别系统。在这个站点上，从工具到组件都实现了更好的交互，同时更加方便了官方发布新的视觉设计指引。
未来在平台上将有更多的工具可供使用，现在先来看看已经推出预览版本的几个工具吧。

Gallery：协作流程的简化

在Gallery中，不同人员的设计工作流程被集中展现，以便团队成员清楚了解工作进度。从视觉设计到交互原型都可以轻松分享并和评论。整个流程简单便捷，同时设计作品得到了精美呈现和安全管理。

Stage：交互运动的动态呈现

由Pixate团队和Form团队共同打造的Stage工具将改变团队设计的工作方式，实现操作的实时交互。数字产品的设计的工作流程将变得动态、自主和系统化。

Remixer：用户界面调试的实时互联

从调色板到动画时间调整，Remixer实现了在多种设备上对设计产品进行实时调整和完善。在运行过程中可对iOS、Android甚至是在多款设备以及网页界面上进行调整，修改参数。
设计永无止境。工艺和技术的发展突飞猛进，Material Design对团队协作方式的改进将大大提高工作效率。

看机器学习如何将照片变成艺术品

2016年11月2日

　玩转赋予照片复古感或暖光感的滤镜早已不是什么新鲜事。不过，最近出现了一种新型“艺术滤镜”，能够将著名油画比如梵高的《星空》或蒙克的《呐喊》的艺术风格“迁移”到照片中。

　　看到这些“照片油画混合体”，是不是觉得很炫酷？那么这到底是如何实现的呢？

　　事实上，这些所谓的滤镜并不是滤镜，而是一种更加复杂有趣的程序，被称为“风格迁移”。　　风格迁移应用程序利用深度神经网络（一种机器学习技术）对照片进行审视，确定一张照片的内容和另一张照片的风格，然后将两张照片的内容和风格融为一体。

　　上图是经过训练能够捕捉且概括众多莫奈作品、或者其他流派不同画家作品的单个系统。而更为炫酷的是，Google团队正在研究能够在一次迁移中实时融合多种风格的技术。
　　更新的网络系统在数个艺术风格上进行训练后已经可允许实时结合多个绘画风格，比如下图是 4 种风格按不同比例结合的成果。

　　据Google的研究科学家介绍，这种最新的深度卷积风格迁移网络（deep convolutional neural network - CNN）在学习了多种风格之后可以实现多种艺术风格间实时平滑迁移，且可应用于静态图像和视频。

Google Brain的狗狗Picabo的视频实时迁移多种艺术风格
　　与之前快速迁移风格的方法不同的是，这种同时建模多种风格的方法开启了一种让用户与风格迁移算法交互的新方式：允许实时基于多个风格的混合进行自由创造。
　　这项成果被认为是深度学习研究领域的一项突破，因为它首次提供了基于神经网络的风格迁移的概念证明。Google未来还将发布关于该算法的细节和运行该模型的 TensorFlow 源代码。

中国的博客，走近我们的产品、技术和文化