Фильтры для лица под капотом: Vision, сегментация и шейдеры в бою

Обычно iOS-разработчик пишет экраны и работает с API, но что есть за пределами таких задач? Мир компьютерного зрения и графики, где математика перестает быть абстрактной: линейная алгебра и тригонометрия оживляют мимику, а оптимизация превращается в шейдеры на GPU.

В докладе разберем, как устроены фильтры для лица под капотом: от трекинга лица и сегментации через Core ML до реалистичных фильтров.

Рассмотрим два подхода: 

• На основе face landmarks с точечной обработкой разных зон лица.
• На основе сегментационных моделей с цветовой обработкой разных сегментов.

Особое внимание уделим технической реализации: как работает Vision, как устроены сегментационные Core ML-модели и как писать собственные шейдеры для CIKernel, чтобы добиться максимальной производительности.