ARC – 腾讯视觉AI实验室

www.yjdh.com

www.yjdh.com

---

ARC工具简介

ARC是腾讯应用研究中心（Applied Research Center）面向公众展示视觉人工智能研究与应用成果的平台。它不是单一的在线修图器，而是把图像处理、视频理解、三维生成与视觉基础任务放在同一个实验室体系中呈现。对普通用户而言，官网的AI应用区可以直接体验人像修复、人像分割、动漫增强、万物识别、多模态理解和生成、视频深度估计；对开发者与研究人员而言，主页和研究页还提供论文、项目与技术落地线索。

官网当前将“探索和挑战前沿技术”作为实验室使命，并展示了从研究原型到业务落地的完整路径。用户可以先从公开体验判断能力是否适合自己的素材，再决定是否进一步了解论文、开源项目或商务合作。页面支持中文与英文界面，主要功能入口清晰，适合围绕图片优化、视频分析和视觉AI研究开展初步验证。

---

ARC官网当前定位

公开页面原先指向的AI演示地址现已跳转到ARC新的规范首页。新官网将研究领域、学术成果和AI应用分开组织，首页重点展示Pixal3D、TrajectoryCrafter、Assembler3D、IC-Custom与ARC-Chapter等项目，也提供进入具体公开体验的入口。这个变化意味着检索“arc”时，应把它理解为腾讯ARC实验室及其视觉AI能力集合，而不只是早期的人像抠图页面。

• 面向体验者：上传图片或视频，测试修复、分割、增强、识别、理解与深度估计能力。
• 面向创作者：了解图像生成、个性化编辑、动漫增强和视频处理等研究方向。
• 面向开发者：查看论文、开源项目、模型名称以及公开的合作联系方式。
• 面向研究人员：观察视觉基础任务、三维生成、视频生成与控制、多模态理解等成果。

---

六类公开AI应用概览

ARC的AI应用页面目前列出六个明确入口，各入口对应不同输入、处理目标和输出形式。图片类功能通常提供示例素材、本地上传、前后效果对照和结果下载；视频类功能则强调时序理解、任务选择或深度结果。先按素材类型选入口，能减少在不同模型之间反复尝试的成本。

1. 人像修复：改善画面质感、色彩层次与肤色表现。
2. 人像分割：分离图像中的人体区域与背景。
3. 动漫增强：修复动漫图片模糊并提升清晰度。
4. 万物识别：按英文标签识别并标注图像中的目标。
5. 多模态理解和生成：处理短视频理解、长视频摘要及多类问答任务。
6. 视频深度估计：生成具有时序稳定性和细节表现的开放世界视频深度结果。

---

人像修复与人像分割

人像修复页面提供V1.2和V1.3模型选择，官网当前默认展示V1.3。功能说明强调优化画面质感、让视觉效果更细腻平滑，同时丰富色彩层次，使肤色与画面色泽更自然。页面带有修复前后对照、示例图、本地上传和下载图片按钮，适合先用公开素材了解效果，再上传自己的非敏感照片测试。

人像分割页面提供V1.1和V1.2模型，用于快速分离图像中的人体区域与背景。它更适合制作透明背景人物素材、海报合成底图、商品或社交媒体视觉素材。分割关注的是区域边界，并不等同于修复画质；如果素材既模糊又需要换背景，通常应先检查修复效果，再进行分割和后续设计。

• 证件照或头像质感优化，可先尝试人像修复。
• 海报、电商详情页或短视频封面换背景，可尝试人像分割。
• 头发、半透明衣物和复杂背景会增加分割难度，应放大检查边缘。
• 修复属于模型重建结果，不应把生成细节当作原始照片的真实信息。

---

动漫增强与万物识别

动漫增强面向各类动漫风格图片的模糊修复与清晰度提升。官网公开的模型选项包括Anime-6B、Animevideo和AnimevideoV3，页面支持示例对照、本地上传与结果下载。静态插画、截图和视频帧的纹理差异较大，模型名称也暗示了不同用途，因此选择时应根据输入类型和页面实际反馈判断，避免仅凭文件名推断效果。

万物识别页面当前展示YOLO-World-X-1280与“物种之眼202412”等模型选项。用户可以添加识别标签、调整参数并确认识别，官网同时提示当前版本的标签仅支持英文。这项能力适合对已知目标进行开放词汇检测，例如在图片中定位特定物品、动物或场景元素；它输出的是模型识别结果与置信信息，仍需要人工复核。

• 动漫增强适合模糊修复和清晰度改善，不代表能够恢复原作者未绘制的细节。
• 万物识别应使用明确的英文标签，含义过宽会让结果难以解释。
• 置信度用于辅助筛选，不应单独作为高风险判断的依据。
• 批量素材投入生产前，建议先用不同风格和复杂度的样本做小规模验证。

---

多模态视频理解能力

多模态理解和生成页面是ARC当前信息最丰富的公开体验之一。页面列出ARC-Hunyuan-Video-7B、ARC-Hunyuan-Video-7B-V0、ARC-Chapter-7B和ARC-OmniScript等模型，并将功能分为短视频理解与长视频摘要：短视频阈值标为小于5分钟，长视频摘要标为大于等于5分钟。

上传区支持MP4、AVI和MOV格式，页面标注单个文件最大500MB。任务类型包括MCQ、Segment、Grounding、QA和Summary，可分别用于选择题理解、章节或片段划分、时间定位、问答与内容总结。页面提供中英文示例问题，说明它既能回答“发生了什么”，也能处理“某个事件在什么时间段出现”以及“按时间顺序生成章节标题”等结构化需求。

• 需要概括内容时选择Summary，并用问题限定摘要关注点。
• 需要查找事件时间范围时选择Grounding，问题中写清目标动作或对象。
• 需要按时间拆分章节时选择Segment，并明确要求时间点和章节标题。
• 上传前先核对格式、时长与文件大小，并移除不必要的隐私信息。

---

视频深度估计与开放世界素材

视频深度估计页面将能力描述为“时序稳定、细节丰富”，并说明支持开放世界视频。深度估计不是简单的灰度滤镜，而是尝试为每一帧推断场景中不同区域的相对距离，同时维持连续帧之间的一致性。它可为三维视觉、视频特效、运镜分析和场景理解提供辅助素材，但具体结果仍会受遮挡、运动模糊、快速镜头切换和极端光照影响。

使用这类结果时，应先观察静态帧的边缘与层次，再播放完整视频检查闪烁和跳变。如果任务要求真实尺度、测量精度或安全决策，还需要结合标定数据和专业方法验证，不能把模型输出直接当作精确测距结果。

---

研究成果与技术路线

ARC官网不仅提供在线演示，也集中展示实验室的研究产出。主页当前给出“140+顶会、顶刊论文”“70+开源项目”和“20+成果落地于司内司外实际业务”三组概览数据，并列举GFPGAN、YOLO-World、VideoCrafter、SEED-Bench和DepthCrafter等开源成果。这些数字反映官网当前公开口径，后续可能随研究进展更新。

研究展示覆盖3D生成与重建、视频生成与控制、视觉基础任务、图像生成与编辑、视频基础任务和视频理解。InstantMesh面向单图生成三维网格，PhotoMaker聚焦个性化文生图，BrushNet用于文本引导的局部图像编辑，ViewCrafter研究静态场景的运镜视频生成。对用户来说，在线应用是快速体验入口；论文与开源项目则更适合深入理解方法、限制和可复现条件。

---

ARC适合哪些使用场景

• 内容创作：修复人物照片、增强动漫素材、分离人物背景，为海报和封面制作准备素材。
• 视频整理：对长短视频进行问答、摘要、章节拆分或事件时间定位。
• 视觉研究：了解目标检测、视频深度、三维生成和图像编辑的研究项目。
• 产品验证：用公开体验快速判断模型方向是否贴合业务，再联系官网提供的合作渠道。
• 学习交流：通过项目名称、论文入口和开源线索建立视觉AI技术学习路径。

ARC更像研究成果展示与体验平台，而不是带有素材管理、团队协作和完整商业工作流的一站式设计软件。若任务要求批量接口、服务等级或商业授权，应以官网当前合作说明和正式协议为准。

---

功能选择对照表

功能	主要输入	页面提供的处理方向	适合的初步任务
人像修复	人物图片	质感、色彩层次与肤色优化	头像、旧照片或人物素材改善
人像分割	含人物图片	人体区域与背景分离	换背景、海报与合成素材
动漫增强	动漫风格图片	模糊修复与清晰度提升	插画、截图与动漫素材增强
万物识别	图片与英文标签	目标定位、标签与置信结果	开放词汇目标检测
多模态理解	视频与问题	问答、定位、分段和摘要	视频检索与内容结构化
视频深度估计	视频	连续帧深度结果	三维视觉与后期分析辅助

---

ARC使用流程

1. 进入官网后打开“AI应用”，按图片或视频任务选择对应入口。
2. 阅读当前页面的模型、格式、大小和标签语言说明。
3. 先使用官网示例观察输入输出关系，再准备自己的测试素材。
4. 删除敏感、受限或无权处理的内容，保留一份原始文件。
5. 上传素材并选择模型；识别和视频理解任务还需设置标签或问题。
6. 等待处理完成，检查边缘、细节、时间一致性和事实准确性。
7. 下载结果并在目标工作流中复核；批量或商业需求再咨询正式合作渠道。

---

使用建议与能力边界

公开演示最适合做能力验证，而不是替代生产环境的完整质量体系。人像修复可能重建不存在的纹理，目标识别可能漏检或误检，视频摘要也可能忽略关键细节。涉及新闻事实、医学影像、身份验证、测量和安全判断时，应由具备相应资质的人复核，并结合原始素材和其他证据。

上传前还应确认自己拥有素材处理权限，避免提交身份证件、未公开商业资料、私人影像或其他敏感信息。页面功能、模型选项、文件限制与开放范围可能调整，功能、价格和服务条件请以官网当前页面为准。

---

常见问题

Q：ARC是什么？

A：ARC是腾讯应用研究中心的视觉AI研究与应用展示平台，官网同时呈现研究项目、学术成果、开源线索和六类公开AI体验。

Q：ARC只有抠图功能吗？

A：不是。官网当前还提供人像修复、动漫增强、万物识别、多模态视频理解和视频深度估计，并展示图像生成、视频生成和三维重建等研究方向。

Q：万物识别可以输入中文标签吗？

A：官网当前在万物识别页面明确提示标签仅支持英文，建议使用含义清楚的英文目标名称，并人工核对识别框和置信结果。

Q：多模态页面支持哪些视频格式？

A：当前页面列出MP4、AVI和MOV，最大500MB；短视频理解与长视频摘要以5分钟为页面显示的分界。

Q：处理结果可以直接用于商业项目吗？

A：公开体验结果能用于测试能力，但商业授权、批量调用、数据处理要求和服务条件应以官网的用户协议、隐私政策及正式合作文件为准。

Q：为什么不同模型的结果会有差异？

A：模型版本、训练目标、输入质量和参数设置都会影响结果。建议固定测试素材逐项比较，并从细节、边缘、稳定性和事实一致性多个维度评估。

---

使用前需要注意的事项

你可以在云记号导航查看官网入口与同类工具。通过访问本条目时，建议仍以ARC官网实时展示的功能、条款与限制为准。

如需继续查找视觉AI、图片处理或视频理解工具，可在云记号导航浏览同类分类；仅提供网站信息整理与入口参考，不代表ARC官方，也不对第三方服务效果作保证。