# api toend

**Repository Path**: NFUNM059/api-toend

## Basic Information

- **Project Name**: api toend
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-12-07
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# api toend

|  发布日期 | 2019-12-01 |
 | -- | -- |
 |  名称 | magic images |
 |  文件现状 | 已完成 |
 |  文件的主人 |  刘主茵|
 |  领头的设计师 | 刘主茵 |
 |  领头的开发者 |  刘主茵|
 |  领头的测试者 |  刘主茵 |
# 价值主张设计：
设计一款供用户美化图片的产品，主要提供三种功能。第一种是使用Face++无限天空api检测出图片中的天空部分并且置换为用户选择的其他天空背景图，从而美化图片制造更多可能性。第二种是使用Face++的人脸美颜和人物抠像功能将图片中的人物独立出来并且进行自然美颜，然后供用户添加自己喜欢的背景图进行二次创作。第三种是使用Face++的人脸融合api让用户可以选择两张脸进行合成，提供趣味性。
## （一）加值宣言：
1. Face++无限天空，精准语义分割，全自动天空替换，支持蓝天白云、彩虹、星空、极光等各种天空替换，适应各种场景和多种素材。
2. Face++人脸美颜api可以基于高精度的人脸关键点，实现贴合脸型的智能美颜，并且能根据不同光照场景实现自然的美颜效果。
3. Face++人物抠像api，识别出图像中人体的轮廓范围，与背景进行区分，适应人体位置重叠场景和各种人体姿态。
4. Face++人脸融合对模板图和融合图中的人脸进行人脸融合操作，并返回融合后的模板图片。其融合效果自然逼真，不限模板数量，融合比例灵活。
## （二）核心价值：（最小可行性产品）
1. 置换景观图片中的天空，使得图片更美观或有创意。
2. 将人物照中的人物抠像出来美颜后，供用户进行二次创作
3. 提供人脸融合的功能实现多张脸的自然融合，供用户娱乐和满足用户的好奇心。
## （三）背景：
当今的美颜相机十分的多，但是旗下的效果过于丰富使得用户眼花缭乱。并且目前市面的美图软件主要功能集中在人脸的美颜，对图片的创意二次制作较少。
## （四）目的：
设计一款可以让用户进行简单的二次创作生成有趣图片的产品
## （五）用户：16-30岁的年轻群体，主要是以女性为主
## （六）用户痛点：
1. 较少以二次创作功能为主的产品
2. 手机的图片编辑软件有一定的操作困难，例如抠图边缘难切合
3. 风景照，天空如果灰沉沉十分影响美观度
4. 流行的美图软件提供的多脸合成只是简单了置换五官，没有进行融合。
## （七）用户需求:（使用的人工智能要反映到需求列表中）
| 用户案例	| 对应标题	| 重要程度 |
| -- | -- | -- |
| 一个18岁的女生想要和朋友的相片合成，看看合成后的样貌	| Face++通过人脸融合生成两人面孔合成后的长相	|高  |
| 	| Face++人脸美颜为其进行自然美艳	|  中|
| 毕业生想回忆学校的场所并以文字记载相应的故事| 高德JS api将绘制学校3D地图供毕业生浏览叠加文字信息  |高|

### 具体应用场景
毕业后，翻看毕业册怀念曾经的大学生活，点击观看曾经在校园照下的照片和学校的场景。
## （九）使用者交互与设计（axure产品原型）

## （十一）API的运用：
1. Face++API：
- 
* 接口描述：
* 接口地址：
* 请求方法：
* 输入
```
代码示例：

```

2. 菜谱API：
* 接口描述：
* 接口地址：
* 请求方法：
* 输入
```
代码示例：

```

## （十二）AI产品概率性：
百度视觉技术的图像识别技术，有三大保证：
1.	
2.	
3.	



## (十三)API使用风险评估
- API错误率：
>> 1. 照片聚类仅仅检测出少量出现自己的相片
2. 3D地图的绘制的学校场所与实际有偏差

- 错误现象处理办法：
1. 

## 产品的可行性:
1. 
2. 
3. 
4. 

## 交互需求：
1.

## 异常流：
1.	


## 结果预期：


 ## 清单