中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

人類發(fā)展處于不斷地進(jìn)步中，從最初的石器時代到現(xiàn)在的信息時代，下一個即將迎來的會是什么時代呢？

今天和大家分享的主題是：“三維視覺與空間計算，是智能交互時代的基石”。接下來你將聽到的是啟示今后二十年人工智能發(fā)展方向的重要信息。

一、人工智能的出現(xiàn)及發(fā)展

人工智能是人類終極愿望和本質(zhì)訴求的階段性產(chǎn)物：

它經(jīng)歷了二十世紀(jì)五十到七十年代以邏輯主義（符號主義、邏輯推理、定理證明）為核心的第一次浪潮；八十年代到二十世紀(jì)末以連接主義（知識工程、專家系統(tǒng)、神經(jīng)系統(tǒng)）為核心的第二次浪潮；以及從2006年至今，以2006年Hinton提出的深度學(xué)習(xí)技術(shù)和2012年ImageNet競賽在圖像識別領(lǐng)域帶來的突破為標(biāo)志性起點的第三次浪潮，最核心的就是深度學(xué)習(xí)。

人工智能結(jié)合數(shù)據(jù)對傳統(tǒng)算法的大幅提升，已經(jīng)可以解決具體問題了，產(chǎn)業(yè)界呈現(xiàn)出欣欣向榮的發(fā)展景象。

回看幾千年的文明發(fā)展史，信息工具的升級和生產(chǎn)工具一起驅(qū)動著人類的本質(zhì)訴求——進(jìn)化和文明躍遷。

從原始文明的結(jié)繩記事、甲骨文、竹簡，到農(nóng)耕文明的活字印刷，再到工業(yè)文明的電話電報，信息文明的互聯(lián)網(wǎng)與電腦、移動互聯(lián)網(wǎng)與手機，我們在想智能文明時代的終端信息工具是什么？不妨看看第三次浪潮中的人工智能技術(shù)發(fā)展。

隨著算法和算力的快速發(fā)展與數(shù)據(jù)的指數(shù)級累積，2005年左右開始出現(xiàn)以文本和語音為數(shù)據(jù)的一維智能公司，如Google、百度、科大訊飛等，以及以圖片和視頻為數(shù)據(jù)的二維智能公司，如曠視、商湯、云從等。

我們生活在三維空間，期待更多優(yōu)秀的三維智能企業(yè)。

當(dāng)然，在自動駕駛和機器人行業(yè)已出現(xiàn)不少佼佼者，如Waymo、drive.ai、蔚來汽車等，用三維視覺與高精度圖服務(wù)為汽車和機器人賦能，解放人在通勤和工程作業(yè)中的勞動力。

但我們工作和生活中的絕大部分場景，如辦公室、商場、景區(qū)、展館等，無法用昂貴笨重的毫米波雷達(dá)等設(shè)備解決空間計算問題，這就需要用到消費級的三維智能技術(shù)。

二、三維視覺與空間計算

1. 三維視覺和空間計算是什么？

三維視覺和空間計算是人工智能領(lǐng)域最重要的分支，旨在通過計算機視覺與計算機圖形學(xué)及深度學(xué)習(xí)等相關(guān)算法與多種三維特征傳感器結(jié)合，解決人或機器對三維空間的感知、重建與理解以及與空間的實時相對關(guān)系的確定。

三維視覺是智能交互時代的基石，建立了人與物理世界、人與數(shù)字世界以及數(shù)字世界與物理世界穩(wěn)定統(tǒng)一的絕對聯(lián)系。

人類將進(jìn)入下一個紀(jì)元，可以擺脫掉鼠標(biāo)、鍵盤與屏幕，直接用最自然的方式與數(shù)字化的信息與世界智能交互，整個世界成為人類的鼠標(biāo)和屏幕。

三維智能時代的技術(shù)核心不是憑空產(chǎn)生的，而是多學(xué)科交叉融合產(chǎn)生的化學(xué)反應(yīng)，包括：

計算機視覺Computer Vision領(lǐng)域的幾何算法、計算機圖形學(xué)（Computer Graphics）、人工智能（ArtificialIntelligence）中Deep Learning（深度學(xué)習(xí)）以及神經(jīng)網(wǎng)絡(luò)的發(fā)展，其他還包含芯片技術(shù)、云計算、異構(gòu)計算的發(fā)展等等。

2. 三維視覺和空間計算有什么用？

能做什么？對我們的工作生活有什么樣的革命性的影響？

三維視覺與空間計算驅(qū)動的智能交互，可以全息傳輸以進(jìn)行混合現(xiàn)實遠(yuǎn)程會議；可以把物理世界的場地和虛擬娛樂與消費場景任意疊加；可以把游戲世界融合到真實世界中來。

如今，在現(xiàn)實場景中，想獲取面前商家的數(shù)字化信息，還需要打開美團(tuán)點評進(jìn)行搜索，GPS定位也非常不精確，但有了悉見大腦加持的三維視覺能力之后，所有的數(shù)字化信息可以直接持久化地融合在我們面前的真實場景之中，根本不需要再盯著屏幕看導(dǎo)航或信息。

所有的信息都會以三維模型的形態(tài)嵌入到真實世界，并且根據(jù)個人喜好個性化顯示，實現(xiàn)“我想看到的我就能看到，我看到的就是我想看到的”的理想目標(biāo)。

商業(yè)營銷和娛樂互動基于此，也會更加有趣。比如你想買車時，可能一輛以假亂真的瑪莎拉蒂立馬就開到你面前的馬路上，美女模特下車和你互動并展示車的性能參數(shù)與炫酷外觀內(nèi)飾。

當(dāng)你去游覽各種名勝古跡時，也不需要請導(dǎo)游講解。

雅典衛(wèi)城破損的神廟恢復(fù)如初，在雅典娜女神幫助下的希臘人，好像正在設(shè)計特洛伊木馬；

羅馬斗獸場正在上演公元一世紀(jì)最受羅馬貴族喜愛的殘酷格斗，九萬余人按身份階層在整個體育場吶喊，持三叉戟和網(wǎng)的角斗士正準(zhǔn)備殺死懇求神發(fā)慈悲的失敗者……

3. 智能交互時代的三大特征

三維視覺與空間計算驅(qū)動的智能交互時代有三大特征：

① 物理世界的數(shù)字化：

很多人說互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的下一代是物聯(lián)網(wǎng)，萬物互聯(lián)。我們通過各種各樣的傳感器，將我們的工作和生活場景進(jìn)行量化和數(shù)字化。

智能家居就是一個非常典型的場景，像智能臺燈、智能開關(guān)、智能監(jiān)控、智能電視、智能路由器、智能空調(diào)、智能窗簾等等，我們通過各類傳感器，將物理場景進(jìn)行采集和數(shù)字化，同步到云端。

不僅如此，我們還對自身進(jìn)行量化和數(shù)字化，比如我們跑步、走路、睡眠時，都在產(chǎn)生大量的數(shù)據(jù)，包括心跳、體重等，我們每天都會看這些數(shù)字，用來炫耀或優(yōu)化自己的物理身體。

還有一種逐漸從工業(yè)界滲透到我們生活中的非常重要的物理世界數(shù)字化手段，統(tǒng)稱三維建模。

包括用專業(yè)設(shè)備進(jìn)行的超大規(guī)模三維重建、中小規(guī)模三維重建、以及游戲動畫影視行業(yè)的CG建模，已經(jīng)能達(dá)到以假亂真的地步。

② 數(shù)字世界的物理化：

什么意思呢？就是在數(shù)字世界非常龐大的現(xiàn)實下，從網(wǎng)頁，Google、百度的索引數(shù)據(jù)庫，到每個企業(yè)的業(yè)務(wù)數(shù)據(jù)，我們在用什么樣的方式跟數(shù)字世界打交道、我們?nèi)绾胃兄头答仈?shù)字世界。

③混合現(xiàn)實的智能化：

人有視覺、聽覺、觸覺、嗅覺、味覺，人類感知世界的方式，是通過感官獲取到生物信號經(jīng)由大腦的主觀詮釋，當(dāng)物理刺激同時對不同感官進(jìn)行刺激時人就會信以為真，所以我們要讓人類感知數(shù)字世界，傳感器的協(xié)同反饋非常重要。

今年上映的現(xiàn)象級電影《頭號玩家》，描述了未來的游戲體驗綜合反饋了三種以上甚至四種五種感知的協(xié)同反饋。相信大家看得很過癮，甚至有很強的代入感。

他們戴著VR頭盔可以協(xié)同解決視覺和聽覺反饋的一致性，所穿的特制服裝很關(guān)鍵，當(dāng)你被敵人攻擊時，會在衣服上形成對你物理身體的協(xié)同刺激。但這是科幻電影中的想象。

在現(xiàn)實世界，這部分做得還很差。我們現(xiàn)在和數(shù)字世界交互、建立物理和數(shù)字鏈接的方式還很簡單，用PC和手機。掃福字、掃紅包就是很典型的體驗，通過圖片和平面的掃描，把數(shù)字世界的相關(guān)信息激活，用手機屏幕顯示出來。

由于技術(shù)限制，我們從微信、微博、頭條，到抖音、快手、愛奇藝，所有跟數(shù)字世界打交道的方式都是這五寸左右的小屏幕，所以一個個都成了低頭族，進(jìn)而阻礙了我們跟真實世界的聯(lián)系，忽略了身邊的人和事。

更嚴(yán)重的是，從2016年開始小米走向低谷，標(biāo)志著智能手機行業(yè)經(jīng)過十年的發(fā)展已到達(dá)了平臺期、存量期。

蘋果引領(lǐng)了齊劉海之后，出現(xiàn)了幾十款高級復(fù)刻品?；谟|屏手機交互已沒有什么創(chuàng)新空間，蘋果最新發(fā)布會所有產(chǎn)品的亮點也只是A12仿生芯片和AR。

我們都知道，蘋果、微軟、谷歌等都在緊鑼密鼓地研發(fā)消費級AR眼鏡。我們認(rèn)為，能同時對視覺和聽覺沉浸式反饋的AR眼鏡是手機的下一代交互方式，那我們有什么樣的期待？為什么2012年推出的Google Glass沒有成功？

這就是混合現(xiàn)實智能化，也是三維視覺和空間計算要解決的問題。

4. 如何實現(xiàn)混合現(xiàn)實智能化？

首先是三維感知：即對三維場景的深度估計或物體表面形狀的數(shù)字化采樣，這里涉及到了多傳感器的快速標(biāo)定、多目視覺和慣導(dǎo)融合、多傳感器融合比如雷達(dá)、全景相機等，還有基于事件相機的SLAM。

其次是位姿感知：即當(dāng)你對周圍空間進(jìn)行感知后，要確定你與環(huán)境之間的實時動態(tài)關(guān)系，對相機或物體在三維空間中的位置和朝向的計算進(jìn)行實時追蹤。

也就是我們常說的六自由度的重定位算法、VIO（多目視覺和慣導(dǎo)融合）、SLAM（simultaneouslocalization and mapping，即時定位與地圖構(gòu)建，或并發(fā)建圖與定位）、Sematic SLAM等等。

接著是三維重建：對三維場景或物體的形狀和表觀模擬，以及運動估計和動態(tài)重建，包括：

地圖構(gòu)建和持久化、地圖優(yōu)化、多地圖對齊和融合、通過SLAM進(jìn)行稀疏3D重建、SFM（Structure From Motion，從運動恢復(fù)結(jié)構(gòu)）、結(jié)合深度數(shù)據(jù)的稠密3D重建、深度學(xué)習(xí)優(yōu)化的3D重建等等。

最后是三維理解，也是我們的進(jìn)一步目標(biāo)。

這就要求做平面語義分割、3D語義分割、動態(tài)目標(biāo)分割與追蹤、實時語義內(nèi)容檢索以及對位姿感知的反饋優(yōu)化等。

解決了這些問題，也就解決了物理世界數(shù)字化、數(shù)字世界物理化、混合現(xiàn)實智能化的問題。

三、悉見在三維視覺方面做了什么？

從2012年開始深度學(xué)習(xí)大范圍推廣，2015年，AR、機器人、無人駕駛開始引起熱潮，悉見也在這個時間成立。

之后微軟的混合現(xiàn)實眼鏡HoloLens上市、蘋果和谷歌發(fā)布AR軟件平臺ARKit和ARCore，再之后手機開始支持正面的3D深度攝像頭，不久后置深度攝像頭也會出現(xiàn)。

悉見AR眼鏡第一代在2017年底量產(chǎn)出貨。2018年國外出現(xiàn)三維場景實時重建的軟件產(chǎn)品，悉見也發(fā)布相應(yīng)的混合現(xiàn)實大腦平臺xarc.ai，今年10月份悉見和北大成立了聯(lián)合智能技術(shù)研究中心，重點推進(jìn)三維視覺的產(chǎn)學(xué)研（產(chǎn)業(yè)界、學(xué)術(shù)界、研究界）進(jìn)展與落地。

如果用一個詞來總結(jié)三維視覺的發(fā)展趨勢，就是“融合”，包括：

傳統(tǒng)幾何算法與深度學(xué)習(xí)方法的融合、多傳感器的融合、軟件云服務(wù)與硬件的融合（包括算法的硬件化/芯片化）、以及與具體應(yīng)用的結(jié)合，比如AR/VR/MR、AGV、自動駕駛、機器人等等。

在這個過程中，我們總結(jié)出了一套系統(tǒng)架構(gòu)，可以高效解決各行業(yè)對三維視覺和空間計算的需求。

從上到下可以分為五層，分別是物理層（PhysicalLayer）、數(shù)字層（Digital Layer）、引擎層（EngineLayer）、終端層（Device Layer）、應(yīng)用層（ApplicationLayer）。

物理層就是我們的真實世界。數(shù)字層是對真實世界的數(shù)字化采集和重建。

在數(shù)字層，我們提供高精地圖采集專業(yè)設(shè)備，可以做到厘米級到毫米級的精度、每天十萬平米的高效率，而且支持端到端的定位網(wǎng)絡(luò)生成和上千種物體的智能識別。

引擎層是三維混合現(xiàn)實數(shù)據(jù)存儲、檢索、渲染和交互的驅(qū)動平臺。

在引擎層，我們提供了整套的自動化建圖工具、混合現(xiàn)實場景編輯工具，以及適配多種設(shè)備的終端SDK。

終端層是用戶與數(shù)字層交互的入口設(shè)備和計算平臺。

在終端層，我們已經(jīng)研發(fā)和量產(chǎn)了多款A(yù)R和AI眼鏡，包括去年量產(chǎn)的首款45°視場角、166g最輕亮雙目AR眼鏡一體機、今年量產(chǎn)的第二代強性能AI眼鏡用NPU進(jìn)行人臉識別、車牌識別、空間定位、以及即將發(fā)布的代號M消費級AI眼鏡。

應(yīng)用層是跑在混合現(xiàn)實系統(tǒng)上的所有應(yīng)用，就像手機里安裝的各種各樣的APP。

同時悉見自主研發(fā)視覺加速芯片XVPU，也對我們各代硬件設(shè)備的智能化和小型化，起到了關(guān)鍵的作用。

目前我們市場團(tuán)隊在第一線接收到了多個行業(yè)萬億級三維視覺需求的快速增長，如同PC時代和智能手機時代，各行業(yè)及消費級應(yīng)用生態(tài)會隨著基礎(chǔ)技術(shù)平臺和工具的完善快速豐富起來，一起迎接三維智能時代的到來。

文章為講者獨立觀點，不代表筆記俠立場。

內(nèi)容來源：2018年10月24日，悉見科技創(chuàng)始人&CEO劉洋受邀出席《2018中國虛擬現(xiàn)實大會》，并發(fā)表題為《三維理解與重建是智能交互時代的基石》的精彩分享。在演講中，劉洋對人工智能領(lǐng)域的未來作出了判斷和預(yù)測，并首度完整闡述了悉見科技混合現(xiàn)實大腦xarc.ai的系統(tǒng)架構(gòu)及商業(yè)價值。筆記俠作為合作方，經(jīng)主辦方與講者審閱授權(quán)發(fā)布。

分享者：劉洋，悉見科技創(chuàng)始人&CEO

來源：https://mp.weixin.qq.com/s/I54hcrs5Vhi59LzVva7-hA

題圖來自Unsplash，基于 CC0 協(xié)議