想象这样一幕：一位化妆师被请进直播间，导演只给她一句话——“边直播边化妆，不能停”。她必须在摄像机开着的状态下，快速锁定主播的五官，用指腹推一推脸型，上一层提亮肤色的妆，还要时刻留意时间，不能让观众等太久。这就是实时美颜与滤镜AI处理最生动的写照：人脸关键点检测是那“锁定五官”的一瞥，形变映射是推脸型的巧手，着色滤镜是调色盘上的粉底与腮红，GPU管线优化是触手可及的工具箱，性能与画质平衡是直播间的计时器，工程落地实践则是面对不同舞台的从容应变。整个技术栈的目标只有一个：让镜头里的人更自然、更好看，同时让直播一刻不卡。

岗位关联

掌握实时美颜背后的检测、形变、着色与GPU优化技术，是前端AI工程师在音视频领域构建可落地产品的核心能力，也是从“会调接口”走向“懂管线”的关键一步。

目录
  1. 可视化演示
  2. 人脸关键点检测——化妆师的第一眼
  3. 形变映射算法——化妆师的巧手
  4. 着色滤镜技术——化妆师的调色盘
  5. GPU管线优化——化妆师的高效工具箱
  6. 性能与画质平衡——直播间的计时器
  7. 工程落地实践——不同舞台的应变
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示人脸关键点检测与形变映射、美颜GPU处理管线流程及滤镜参数自然度平衡。切换模式查看不同环节。

本节配有交互动效（进入视口后自动加载，约 3KB）。

人脸关键点检测——化妆师的第一眼

化妆师进门后不会直接动手，她会先扫视一下主播的脸：眼睛在哪里、鼻梁多高、嘴型如何。这“第一眼”并非漫无目的的看，而是迅速锁定关键部位。AI美颜也正是这样开场的，第一步叫做“人脸关键点检测”，它要在图像里找到双眼、鼻尖、嘴角这些位置，为后续所有操作建立坐标系。

人脸关键点检测相当于在脸上标记几十个坐标点。最精简的只有五个点，精细一点的模型会标出68甚至106个点，覆盖眉毛、脸颊轮廓。工程上常用“热图法”：模型为每个关键点输出一张概率热图，热图峰值所在位置就是该点的坐标。相比直接回归x、y坐标，热图法对遮挡更鲁棒，训练也更稳定。实时场景还要利用帧间连续性——用上一帧的位置初始化当前帧搜索，再对检测结果做时序平滑，避免关键点像“跳舞”一样抖来抖去。

热图法训练时需要为每个关键点构造一个“高斯真值”：在真实坐标处放一个高斯分布的光斑，中心是1，往外平滑衰减到0。模型输出的热图与这个光斑越接近，说明定位越准。损失函数就是在所有像素位置上比较预测与真值：

就像化妆师先锁定眼睛和嘴的位置，模型也用热图锁定关键点。热图中心的光斑越亮，说明模型越确信该处就是眼睛或嘴角。这“第一眼”看得准，后面的瘦脸和上妆才有了着力点。

L=1N∑i=1N∑p∥h^i(p)−hi(p)∥2\displaystyle L = \frac{1}{N} \sum_{i=1}^{N} \sum_{p} \left\| \hat{h}_i(p) - h_i(p) \right\|^2
这个公式衡量的是：模型“画”的光斑和标准光斑之间的差异有多大。差异越小，关键点定位越准。
  1. 预测热图模型为第 \(i\) 个关键点输出的热图，每个像素值代表该点出现在这里的置信度。
    h^i(p)∈[0,1]\hat{h}_i(p) \in [0, 1]
  2. 高斯真值以真实坐标 \(p_i^*\) 为中心构造高斯光斑，作为训练目标。
    hi(p)=exp⁡(−∥p−pi∗∥22σ2)h_i(p) = \exp\left( -\frac{\|p - p_i^*\|^2}{2\sigma^2} \right)
  3. 逐像素误差计算每个像素位置上预测值与真值的平方差。
    ∥h^i(p)−hi(p)∥2\left\| \hat{h}_i(p) - h_i(p) \right\|^2
  4. 全局平均对所有关键点、所有像素位置求和取平均，得到最终损失。

形变映射算法——化妆师的巧手

化妆师调整脸型时，不会真的改变骨骼，而是用指腹轻轻推压，让肌肉和皮肤产生微妙的位移——圆脸显得修长、眼角显得上扬。AI的“形变映射”就是把这种推压变成纯粹的数学运算，让数字图像里的像素也发生类似的“位移”。

形变映射常见两种思路：网格变形与局部缩放。网格变形先把人脸划分为三角形网格，移动控制点后重新插值；局部缩放则以某个中心为基准，把该区域内的像素向内收缩或向外膨胀，瘦脸、大眼都是这类“液化”操作。工程上瘦脸一般用局部缩放，以脸中心为原点，半径内的像素向原点方向移动，越靠近中心移动幅度越大。

形变的关键在于“反向映射+双线性插值”。什么意思？遍历目标图像的每个像素，逆向计算它在源图像中的坐标——这个坐标通常是浮点数，落在四个像素之间，然后用周围最近的四个像素加权混合出目标颜色。为什么要反向？因为正向映射把源像素逐个搬到新位置，会出现空洞和重叠，像漏水墙纸一样花掉；反向映射则能保证每个目标像素都有颜色可取：

化妆师的指腹不可能凭空创造皮肤，它只能把现有的皮肤“推”到该去的地方。形变映射也一样，它不生成新像素，只负责优雅地从原始图像中“借用”颜色。

f(x,y)≈(1−α)(1−β)f(x1,y1)+α(1−β)f(x2,y1)+(1−α)βf(x1,y2)+αβf(x2,y2)\displaystyle f(x, y) \approx (1-\alpha)(1-\beta) f(x_1, y_1) + \alpha(1-\beta) f(x_2, y_1) + (1-\alpha)\beta f(x_1, y_2) + \alpha\beta f(x_2, y_2)
这个公式讲的是：当你要找的源坐标落在一个小方格中间时，如何用方格四个角上的颜色“和稀泥”式地混出中间色。
  1. 源坐标对目标像素坐标做逆向映射，得到它在源图中的浮点位置。
    (x,y)=T(x′,y′)(x, y) = T(x', y')
  2. 邻近四像素找到包围 \((x,y)\) 的四个整数像素。
    x1≤x≤x2,y1≤y≤y2x_1 \le x \le x_2, \quad y_1 \le y \le y_2
  3. 插值权重坐标的小数部分就是混合比例。
    α=x−x1,β=y−y1\alpha = x - x_1, \quad \beta = y - y_1
  4. 二次线性混合先沿 x 方向混一次、再沿 y 方向混一次，得到目标颜色。

着色滤镜技术——化妆师的调色盘

一个完整的妆容，除了脸型，还靠色彩——粉底提亮肤色、腮红增加气色、眼影营造氛围。滤镜就是这个调色盘，它不改变任何几何位置，只改变每个像素的颜色。

最基础的滤镜是颜色矩阵变换：把每个像素的 RGB 值当作一个列向量，乘上一个矩阵，得到新的 RGB。矩阵中的系数可以同时调整亮度、对比度和色调偏移。比如把红色通道整体提高，皮肤就显得红润；把所有通道按比例放大，画面就更明亮。在一次矩阵运算中，三种颜色分量会相互影响，因此能表达“皮肤更红、背景更蓝”这样的复杂变化：

颜色矩阵是线性变换，效果相对机械；讲究的滤镜还会用 LUT（查找表），把一种颜色映射到另一种，实现胶片感、清新感等复杂风格。同时滤镜不能无差别洒在全图上，得用 HSV 空间识别肤色区域，只对肤色部分增强，否则人脸会被染成奇怪的绿色或蓝色。调色盘看似简单，但专业化妆师知道什么样的“红”才自然，滤镜技术做的正是寻找“自然增色”的边界。

[R′G′B′1]=[a11a12a13t1a21a22a23t2a31a32a33t30001][RGB1]\displaystyle \begin{bmatrix} R' \\ G' \\ B' \\ 1 \end{bmatrix} = \begin{bmatrix} a_{11} & a_{12} & a_{13} & t_1 \\ a_{21} & a_{22} & a_{23} & t_2 \\ a_{31} & a_{32} & a_{33} & t_3 \\ 0 & 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} R \\ G \\ B \\ 1 \end{bmatrix}
一句话理解：把颜色当成一组数字，用矩阵“重新配方”，就能得到滤镜后的新颜色。
  1. 颜色向量把像素的 R、G、B 写成列向量，附加一维常数 1 以便支持颜色平移。
    v=[R,G,B,1]Tv = [R, G, B, 1]^T
  2. 变换矩阵\(3\times3\) 部分控制通道混合，最后一列 \(t_1,t_2,t_3\) 控制亮度偏移。
    M=[a11a12a13t1a21a22a23t2a31a32a33t30001]M = \begin{bmatrix} a_{11} & a_{12} & a_{13} & t_1 \\ a_{21} & a_{22} & a_{23} & t_2 \\ a_{31} & a_{32} & a_{33} & t_3 \\ 0 & 0 & 0 & 1 \end{bmatrix}
  3. 矩阵乘法新颜色等于矩阵乘以原颜色向量。
    v′=M⋅vv' = M \cdot v
  4. 逐像素应用遍历整张图像，替换每个像素的颜色值。

GPU管线优化——化妆师的高效工具箱

直播间的化妆师需要在几十秒内完成全套造型，她的手速再快，如果粉底刷和眼影盘都放在箱子里而不是手边，也来不及。GPU 管线就是那把“手边工具”——它把大量重复的像素操作交给成百上千个并行核心同时完成。

在浏览器端，美颜处理通常用 WebGL 实现。图像先作为纹理上传到 GPU，再通过“片元着色器”对每个像素并行执行颜色变换或形变插值。GPU 有上千个并行核心，一片像素的计算一眨眼就完成，比 CPU 逐像素循环快一个数量级。但也别把 GPU 想成万能药——每帧从 GPU 读回数据（纹理回读）会阻塞整个管线，应当尽量避免。正确的做法是让渲染结果直接作为纹理传给下一个处理阶段，只在最后一帧输出到屏幕或编码器。

Amdahl 定律揭示了并行优化的天花板：加速比的上限受串行部分限制。如果 CPU 上传纹理、调度 GPU 的时间占总耗时的 20%，那么即使 GPU 速度无限快，整体提速也不会超过 5 倍：

化妆师把工具摆得井井有条，看似小细节，却是决定能否跟上直播节奏的关键。GPU 管线优化的本质也在于此——让数据像流水线一样顺畅，而不是单纯堆算力。

S=1(1−P)+PN\displaystyle S = \frac{1}{(1-P) + \dfrac{P}{N}}
意思是：GPU 核心再多，也要先等 CPU 把活派下去。派活的环节慢，整体就快不了。
  1. 并行比例可交给 GPU 并行执行的部分占总耗时的比例。
    P=TparallelTtotalP = \frac{T_{parallel}}{T_{total}}
  2. 串行部分无法并行、必须顺序执行的 CPU 逻辑。
    1−P1 - P
  3. 处理器数GPU 并行核心的规模。
    NN
  4. 理论加速比加入 \(N\) 个并行核心后，整个管线最多能变快多少倍。

性能与画质平衡——直播间的计时器

直播镜头一直在工作，化妆师不可能让全场等她把妆容打磨成艺术品。她必须要在“自然好看”和“不冷场”之间做抉择。对 AI 美颜来说，这个抉择被量化成毫秒和指标。

实时美颜的硬指标是时间预算：30fps 时每帧处理必须压在 33 毫秒以内，60fps 则只有 16 毫秒。为了在低端机上达标，最常用的手段是“分辨率缩放”——把输入图像缩到一半分辨率处理，再放大回原尺寸。像素数量降到原来的四分之一，运算量也随之大幅下降，而肉眼几乎察觉不到差异。但缩多少、处理到什么程度，光靠感觉不够，还需要客观指标。PSNR（峰值信噪比）就是衡量处理前后画质差异的常用数值，PSNR 越高说明失真越小：

自适应降级是另一道保险：当帧率开始下跌时，自动关掉耗时较重的磨皮，保留开销更低的调色，保证视频流畅不卡顿。产品上还给不同机型分级，旗舰机开完整特效，中端机用简化算法，低端机只做基础调色。计时器对化妆师是压力，也是功力——懂得在有限时间里调配妆容轻重的人才是真专业。

PSNR=10⋅log⁡10(MAX2MSE)\displaystyle PSNR = 10 \cdot \log_{10} \left( \frac{MAX^2}{MSE} \right)
PSNR 相当于一道“画质打分器”：把处理后的图和原图逐像素对比，差异越小、得分越高。40dB 以上几乎看不出区别，30dB 以下就有些毛糙了。
  1. 均方误差计算两幅图像逐像素差值的平方平均值。
    MSE=1HW∑i=1H∑j=1W(Iij−Iij′)2MSE = \frac{1}{HW} \sum_{i=1}^{H} \sum_{j=1}^{W} \left( I_{ij} - I'_{ij} \right)^2
  2. 像素最大值8 位图像中每个通道的最大取值。
    MAX=255MAX = 255
  3. 对数映射把误差换算成分贝单位，误差越小得分越高。
    10⋅log⁡10(⋅)10 \cdot \log_{10}(\cdot)
  4. 达标判断PSNR ≥ 40dB 视为接近无损，30~40dB 为良好，30dB 以下有明显失真。

工程落地实践——不同舞台的应变

同一个化妆师，去演播室、去户外、去手机直播间，面对的设备与光线都不同，她的化妆包也得跟着调整。工程落地的美颜方案同理，不是写一套算法就能跑遍所有场景。

在 WebRTC 场景中，美颜管线通常接在 getUserMedia 采集之后：原始视频流先经过 Canvas 或 WebGL 处理，再把处理后的帧交给 RTCPeerConnection 编码发送。整条链路的延迟由四段组成——采集、处理、编码、网络传输，任何一段超时，用户都会感到卡顿或音画不同步：

设备适配是另一大重点：iOS、Android、不同浏览器的 WebGL 支持差异明显，必须有降级方案——检测到不支持 WebGL 就用 CPU 软处理，再不行就直接关闭美颜保直播。实时调试工具也很关键，把 FPS、处理耗时、GPU 占用显示在调试面板上，开发者一眼就能看出是哪一环拖了后腿。最后，架构上要支持滤镜插件化，让设计师导出 LUT 文件即可上线新滤镜，无需改动业务代码。化妆师面对不同舞台的应变，本质是把“美”变成可配置、可降级、可调试的服务。

Ttotal=Tcapture+Tprocess+Tencode+Tnetwork\displaystyle T_{total} = T_{capture} + T_{process} + T_{encode} + T_{network}
这像是“上妆的总耗时 = 看清脸 + 手动妆 + 等粉干 + 递到镜头前”。每一环都在消耗宝贵的实时预算。
  1. 采集延迟摄像头曝光与取帧数据的时间开销。
    TcaptureT_{capture}
  2. 处理延迟美颜算法本身消耗的时间。
    TprocessT_{process}
  3. 编码延迟H.264 / VP8 等视频编码器的压缩耗时。
    TencodeT_{encode}
  4. 网络传输延迟数据包在网络上往返的时间。
    TnetworkT_{network}

AI 应用场景

直播平台实时美颜SDK

阶段：视频采集后处理 → GPU 渲染 → 编码推流

解决的问题：主播在室内光线不均、肤色暗沉、脸型不完美，传统做法是依赖昂贵灯光设备，而美颜 SDK 能用算法直接“补光修容”，成本低且效果稳定。

具体案例：某泛娱乐直播 App 接入美颜 SDK 后，主播在 50 帧率的直播流中开启瘦脸、磨皮与一键补妆。SDK 先用人脸关键点检测锁定五官，再以形变映射轻推轮廓，最后用颜色矩阵统一肤色，全程控制在 20ms 以内，直播间弹幕反馈“画面自然不假面”。

WebRTC视频会议形象增强

阶段：getUserMedia 采集 → 美颜处理 → RTCPeerConnection 编码发送

解决的问题：视频会议中参会者可能刚起床、光线昏黄、摄像头噪点明显，逐帧美颜能让形象更得体，又不能让处理延迟破坏对话节奏。

具体案例：某在线教育平台在 WebRTC 课堂中嵌入轻量美颜：教师端只做肤色提亮与轻度磨皮，避免过度修饰影响板书清晰度；学生端自动降级为简单调色，保证 30fps 稳定上课。

短视频滤镜风格市场

阶段：后处理调色 → LUT 映射 → 风格化输出

解决的问题：用户希望一键获得“日系清新”“复古胶片”“冷调高级感”等风格，靠工程师逐个调参不现实，需要用数据驱动的方式快速扩展滤镜。

具体案例：某短视频 App 把 300 多款滤镜做成 LUT 文件，设计师在调色软件里定好风格后导出 LUT，前端解析后通过着色器应用到视频帧上。新品上线由两周缩短到一天，滤镜使用率提升 40%。

Python 演示

python64 行
import numpy as np  def create_face_image(h=200, w=220):    """生成一张简单的人脸测试图：椭圆脸 + 双眼 + 嘴"""    y, x = np.mgrid[0:h, 0:w]    cx, cy = w // 2, h // 2    face = ((x - cx) / 70) ** 2 + ((y - cy) / 90) ** 2 <= 1    img = np.zeros((h, w, 3), dtype=np.uint8)    img[face] = [235, 195, 175]    for ex in (cx - 30, cx + 30):        eye = ((x - ex) ** 2 + (y - (cy - 20)) ** 2) <= 8        img[eye] = [40, 30, 30]    mouth = ((x - cx) / 22) ** 2 + ((y - (cy + 45)) / 9) ** 2 <= 1    img[mouth] = [160, 60, 60]    return img  def apply_color_filter(img, brightness=1.1, saturation=1.3):    """颜色矩阵滤镜：先调亮度，再增强饱和度"""    h, w = img.shape[:2]    flat = img.reshape(-1, 3).astype(np.float32)    flat *= brightness    gray = flat.mean(axis=1, keepdims=True)    flat = gray + (flat - gray) * saturation    return np.clip(flat, 0, 255).reshape(h, w, 3).astype(np.uint8)  def liquify_face(img, cx, cy, radius=60, strength=0.3):    """局部缩放瘦脸：把半径内像素向中心收敛（反向映射+双线性插值）"""    h, w = img.shape[:2]    y, x = np.mgrid[0:h, 0:w]    dy = y - cy    dx = x - cx    dist = np.sqrt(dx ** 2 + dy ** 2)    mask = dist < radius    t = dist[mask] / radius    scale = 1 - strength * (1 - t) ** 2    src_x = cx + dx[mask] * scale    src_y = cy + dy[mask] * scale    x0 = np.clip(np.floor(src_x).astype(int), 0, w - 2)    y0 = np.clip(np.floor(src_y).astype(int), 0, h - 2)    alpha = src_x - x0    beta = src_y - y0    out = img.copy()    for c in range(3):        top = img[y0, x0, c] * (1 - alpha) + img[y0, x0 + 1, c] * alpha        bottom = img[y0 + 1, x0, c] * (1 - alpha) + img[y0 + 1, x0 + 1, c] * alpha        out[y[mask], x[mask], c] = top * (1 - beta) + bottom * beta    return out  def main():    img = create_face_image()    cx, cy = img.shape[1] // 2, img.shape[0] // 2    slimed = liquify_face(img, cx, cy, radius=70, strength=0.35)    beautified = apply_color_filter(slimed, brightness=1.12, saturation=1.3)    print("美颜管线完成：")    print("输入尺寸:", img.shape, "输出尺寸:", beautified.shape)    print("处理后中心肤色亮度提升:", int(beautified[cy, cx].mean()) - int(img[cy, cx].mean()))  if __name__ == "__main__":    main()
目的：用 NumPy 实现一条简化版美颜管线——生成人脸测试图、执行局部缩放瘦脸、再叠加颜色矩阵滤镜，完整演示“检测 → 形变 → 上妆”的处理流程。
  1. img[face] = [235, 195, 175]把椭圆区域渲染为肤色，模拟一张干净的人脸测试图。
  2. flat = img.reshape(-1, 3).astype(np.float32)把二维图像拍平成像素列表，方便做矩阵运算。
  3. flat = gray + (flat - gray) * saturation以灰度值为基准做饱和度增强，色彩偏离越远越浓烈。
  4. mask = dist < radius选出需要做瘦脸的像素区域，只处理半径内的点。
  5. scale = 1 - strength * (1 - t) ** 2距离中心越近收缩幅度越大，形成自然的液化感。
  6. src_x = cx + dx[mask] * scale反向映射：求出目标像素在源图中的浮点坐标。
  7. out[y[mask], x[mask], c] = top * (1 - beta) + bottom * beta双线性插值结果写入目标像素，完成形变。

常见误区

误区我以为 68 个点不如 1000 个点，关键点数量翻倍，美颜效果肯定翻倍。

正解关键点数量的收益是边际递减的。检测点越多，模型参数量与计算量就越大，在手机端可能掉到十几帧。产品线通常用 68 点或 106 点，已经能支撑瘦脸、大眼、妆容等绝大多数玩法。就像化妆师只需看眼睛、鼻梁、嘴角几处，不需要测量全脸上千个毫米级坐标。

为何常见：学术文章常用几千点展示精细人脸重建，容易被误认为工程上也要追求点数极限。

误区滤镜不就是调亮一点、颜色鲜艳一点吗？我写几行代码调一下 HSL 不就行了。

正解简单调 HSL 会让肤色整体偏色，背景和脸一起变。专业滤镜基于颜色矩阵与 LUT，能实现复杂的非线性风格映射；同时会做肤色保护，在 HSV 空间识别出肤色区域后，再决定滤镜的作用强度，让背景变蓝时人脸依然自然红润。

为何常见：手机相册的滤镜面板总是显示亮度、饱和度滑块，让人误以为滤镜的全部秘密就是这几个滑块。

误区只要用 WebGL 写滤镜，任何手机都能稳定 60 帧。

正解GPU 只加速可并行的像素计算，串行部分的 CPU 调度、纹理上传、多级渲染切换依然耗时。Amdahl 定律表明，若串行部分占 20%，即便 GPU 无限快，总加速上限也只有 5 倍。实际优化还要减少 DrawCall、避免纹理回读、复用帧缓冲。

为何常见：厂商宣传里的“GPU 加速”一词，容易让人忽略系统整体瓶颈。

误区瘦脸 50% 不够明显，直接拉到 100%，用户肯定满意。

正解过强形变会导致人脸周围的墙壁、眼镜、发丝一起扭曲，产生“橡皮泥感”，画质不升反降。生产环境一般把形变幅度控制在 10%~30%，并用自然度约束惩罚不真实畸变。用户要的是“好看”，不是“好笑”。

为何常见：社交平台上的夸张特效视频给人留下了“越强越潮”的错误印象。

误区把每个像素往中心挪一点，这不就实现瘦脸了吗？

正解正向映射会带来两个问题：多个源像素落到同一目标像素，产生重叠覆盖；部分目标像素没有来源，出现黑色空洞。正确做法是反向映射，遍历目标像素，用逆向变换找源坐标，再双线性插值补齐。就像搬家不是把家具随手推进屋，而是先计划好每个房间放什么。

为何常见：正向映射在数学表达上更直觉，但工程实现几乎不可用。

面试题

Q1. 人脸关键点检测“热图法”的基本思想是：

单选题 · easy

  • A.为每个关键点输出一张概率热图← 正确答案
  • B.直接回归输出关键点坐标
  • C.用固定网格标记关键位置
  • D.将整幅图像缩放到一个坐标点

答案：A。热图法为每个关键点生成一张概率热图，峰值位置即坐标，对遮挡和模糊更鲁棒。B 是直接回归法，C 是网格标注法，D 是无意义的极端操作。

Q2. 实时美颜形变中最常用的像素插值方法是：

单选题 · easy

  • A.最近邻插值
  • B.双线性插值← 正确答案
  • C.三次卷积插值
  • D.均值平滑滤波

答案：B。双线性插值在速度与画质间取得平衡，是实时美颜的事实标准。最近邻快但有锯齿，三次卷积更平滑但开销大，均值平滑是滤波而非插值。

Q3. 颜色矩阵把 RGB 转换为新 RGB 的过程本质上是一次：

单选题 · mid

  • A.线性变换← 正确答案
  • B.非线性映射
  • C.概率密度采样
  • D.频域变换处理

答案：A。颜色矩阵是 4×4 矩阵与颜色向量的乘法，属于线性变换。非线性风格映射一般交给 LUT，“概率采样”和“频域变换”与颜色矩阵无关。

Q4. Amdahl 定律在 GPU 优化中说明了什么：

单选题 · mid

  • A.并行加速比受串行部分限制← 正确答案
  • B.GPU 核心数越多性能必然越好
  • C.内存容量越大渲染帧率越高
  • D.网络传输带宽决定处理速度

答案：A。Amdahl 定律指出整体加速比上限由不可并行的串行部分决定。GPU 核心再多，CPU 调度与数据拷贝的串行瓶颈仍在，B、C、D 都与该定律无关。

Q5. 瘦脸形变采用“反向映射”而非“正向映射”的主要原因是：

单选题 · mid

  • A.反向映射不需要矩阵运算
  • B.正向映射会产生像素空洞或重叠← 正确答案
  • C.反向映射计算速度必然更快
  • D.正向映射无法表达缩放效果

答案：B。正向映射把源像素搬到目标位置，会出现多个像素抢同一位置或某些位置没人来的问题；反向映射遍历目标像素取源像素，配合插值得到完整图像，因此工程上统一采用反向映射。

Q6. PSNR（峰值信噪比）用于衡量什么指标：

单选题 · hard

  • A.网络传输过程中的带宽大小
  • B.压缩后的画质与原始画质差异← 正确答案
  • C.人脸检测模型的识别准确率
  • D.GPU 渲染时的实时帧率指标

答案：B。PSNR 通过计算两幅图像逐像素的均方误差，再取对数得到 dB 值，数值越高说明画质越接近原始图。它常用于评价压缩或滤镜处理带来的失真，与带宽、准确率、帧率无关。

Q7. WebRTC 中获取摄像头视频流的 API 是：

单选题 · easy

  • A.getUserMedia← 正确答案
  • B.getVideoStream
  • C.getCameraData
  • D.createCapture

答案：A。getUserMedia 是 WebRTC 标准 API，调用后会返回包含视频与音频轨道的 MediaStream。其余选项是虚构的接口名，浏览器并不存在。

Q8. 下列哪些属于 GPU 管线优化的常用策略：

多选题 · mid

  • A.使用离屏 Canvas 进行渲染← 正确答案
  • B.避免每帧从 GPU 回读渲染数据← 正确答案
  • C.使用 setInterval 驱动动画绘制
  • D.在片元着色器中处理像素← 正确答案

答案：ABD。离屏 Canvas 减少主线程渲染压力；避免纹理回读能降低 CPU-GPU 通信；片元着色器天然适合逐像素并行处理。C 应改为 requestAnimationFrame，它不是优化策略。

Q9. 人脸关键点检测中保持实时追踪稳定性的方法有：

多选题 · hard

  • A.利用帧间光流预测关键点位置← 正确答案
  • B.对检测结果做时序平滑滤波← 正确答案
  • C.每帧都重新训练检测模型
  • D.用上一帧结果初始化当前帧← 正确答案

答案：ABD。光流预测、时序平滑（如卡尔曼滤波）、上一帧结果作为先验都能抑制抖动。C 每帧训练模型在当前技术下完全不可行，训练时间远大于帧间隔。

Q10. 实时美颜中平衡性能与画质的工程手段包括：

多选题 · mid

  • A.对视频帧做半分辨率处理← 正确答案
  • B.低端机自动降级美颜效果← 正确答案
  • C.全部像素用 CPU 串行计算
  • D.根据帧率动态调整形变强度← 正确答案

答案：ABD。半分辨率将像素运算量降为四分之一，自动降级和动态形变强度都能保障帧率。C 用 CPU 串行处理所有像素在实时场景下速度过慢，属于反面做法。