cookieOptions = {...}; .沒錯,AR 其實也是 AI - 3S Market「全球智慧科技應用」市場資訊網

3S Market


9月1日9月30日 3S Market 點閱統計

2018年6月1日 星期五

AR+AI: The Coming Convergence




leiphone 作者:李诗亮風台

AR/VR常作為孿生兄弟被相提並論,被普遍認為為應用層新技術,或者說是「智慧可穿戴設備」,相比人工智慧相對的「算法」標籤,顯得不夠有深度有內涵高大上,那AR和人工智慧之間到底是什麼關係?

AR屬不屬於當下我們認知中的人工智慧?

先來簡單梳理下AR的核心技術
AR(Augmented Reality),是在現實世界中疊加虛擬資訊,也即給現實做「增強」,這種增強可以是來自視覺、聽覺乃至觸覺,主要的目的均是在感官上,讓現實的世界和虛擬的世界融合在一起。

其中,對現實世界的認知,主要體現在視覺上,這需要透過攝影機來幫助獲取資訊,以圖像和影像的形式回饋。透過影像分析,實現對三維世界環境的感知理解,比如場景的3D結構,裡面有什麼物體,在空間中的什麼地方。而3D交互理解的目的,是告知系統要「增強」的內容。

没错,AR其实也是AI
.典型AR流程

這其中有幾個關鍵點:
首先是3D環境理解。要理解看到的東西,主要依靠物體/場景的辨識和定位技術。辨識主要是用來觸發AR響應,而定位則是知道在什麼地方,疊加AR內容。

定位根據精度的不同,也可以分為粗定位和細定位,粗定位就是給出一個大致的方位,比如區域和趨勢。而細定位可能需要精確到點,比如3D坐標系下的XYZ坐標、物體的角度。

根據應用環境的不同,兩種維度的定位,在AR中都有應用需求。在AR領域,常見的檢測和辨識任務,有人臉檢測、行人檢測、車輛檢測、手勢辨識、生物辨識、情感辨識、自然場景辨識等。

在感知現實3D世界,並和虛擬內容融合後,需要以一定方式,將這種虛實融合資訊呈現出來,這裡面需要的,就是AR中的第二個關鍵技術:顯示技術,目前大多數的AR系統,採用透視式頭盔顯示器,這其中又分為影像透視和光學透視,其他的代表有光場技術(主要因Magic Leap而顯名)、全像(Holography)投影(在科幻影視劇作品中常出現)等。



最新的!! 鄧麗君新一次復話與市川由紀乃合唱 201708

AR中的第三個關鍵技術在於人機交互,用以讓人和疊加後的虛擬資訊互動,AR追求在觸摸按鍵之外,自然的人機交互方式,比如語音、手勢、姿態、人臉等,用的比較多的語音跟手勢。

人工智慧和AR的技術關聯
在人工智慧領域有幾個概念常被提及,如深度學習(Deep Learning)、機器學習(Machine Learning),在學術領域包括人工智慧(Artficial Intelligent)在內,幾大領域均有自己的研究界限,而在普遍意義上,我們常說的是泛意的人工智慧,涵括所有「讓機器像人一樣」的技術的應用方向。

没错,AR其实也是AI

從這張圖也可以簡單一窺三者的關係,深度學習是實現機器學習的一種技術方式,而機器學習是為了讓機器變得智慧,去達到人工智慧。

可以說人工智慧是最終目標,而機器學習是為了實現這個目標,延伸出的一個技術方向。在這其中,還有另一個重要概念為電腦視覺(Computer Vision),主要來研究如何讓機器像人去「看」,是目前人工智慧概念中的一個重要分支,這也是因為人類獲取資訊,最主要的方式之一就是視覺。

目前電腦視覺已經在商業市場發揮價值,比如人臉辨識;自動駕駛中,讀取交通信號和注意行人以導航;工業機器人用來檢測問題控制過程;三維環境的重建圖像的處理等等。這些概念既有區分,也有一定範圍的重疊。

其中,2006年開始,Hinton引發的深度學習熱潮開始蔓延,在一定程度上,帶動了AI的又一次崛起,十年中,在包括語音辨識電腦視覺、自然語言處理在內的多個領域,取得重大突破,並向應用領域延伸,正發展的如火如荼。

在AR的核心技術中,3D環境理解、3D交互理解和電腦視覺、深度學習都有著緊密的聯繫。

3D環境理解在學術界裡,主要對應的是電腦視覺領域,而近年來深度學習在電腦視覺中,得到廣泛應用。

交互方面,更趨自然的交互方式,如手勢和語音,在硬體終端的使用,得益於近幾年深度學習,在相關領域的突破。也可以說,深度學習在AR中,應用主要在視覺關鍵技術。

目前,AR最常見的形式的2D圖片掃描辨識,如騰訊QQ-AR火炬活動、支付寶五福等多數AR行銷中所見,用手機掃描辨識圖出現疊加的內容,但主要的研發方向,還在3D物體辨識和3D場景建模。

現實的物體是以3D形態存在的,有不同的角度和空間方位。所以一個自然的擴展,就是從2D圖片辨識到3D物體辨識,辨識物體的類別和姿態,深度學習可以用在這裡。以水果辨識為例,辨識不同類別的水果,並且給出定位區域,即整合了物體辨識與檢測的功能。

3D場景建模,從辨識3D物體擴大到,更大更複雜的3D區域。比如辨識場景裡面有哪些東西、它們的空間位置和相互關係等等,這就是3D場景建模,是AR比較核心的技術。這其中涉及目前熱門的SLAM(即時定位與地圖構建,或同步定位與地圖構建Simultaneous localization and mapping

Monocular SLAM

透過掃描某個場景,然後在上面疊加虛擬戰場等,三維虛擬內容。如果只是基於普通2D圖像辨識,就需要有特定的圖片,而在圖片不可見時,會辨識失敗。

而在SLAM技術裡面,即使特定平面不存在,但是空間定位依然非常精確,就是因為有周圍3D環境的幫助。

這裡想探討下深度學習和SLAM技術的融合,電腦視覺大體上可以分兩個流派,一種基於學習的思路,例如特徵提取-特徵分析-分類,目前深度學習技術,在這一路線上取得了主導性的地位。

另外一種路線是基於幾何的視覺,從線條、邊緣、3D形狀推出物體的空間結構資訊,代表性的技術就是SFM/SLAM。

基於學習的方向上,深度學習基本上一統天下,但是在基於幾何視覺的領域,目前相關的進展還很少。從學術界而言,深度學習技術的研究進展,可以說日新月異,而SLAM技術最新十年的進展相對較少。

在國際視覺頂級會議,ICCV 2015年度組織的SLAM技術專題研討會上,基於近年深度學習,在視覺其它領域的快速發展,有與會專家曾提出,SLAM中採用深度學習的可能性,但是目前還沒有成熟的思路。

總體而言,短期內將深度學習和SLAM融合,是一個值得研究的方向,長遠來看聯合語義和幾何資訊,是一個非常有價值的趨勢。因此,SLAM + Deep Learning 值得期待。

在交互方式,主要的包括語音辨識和手勢辨識,語音辨識在目前已經取得了較大進展,中國如百度、科大訊飛、雲知聲等都是其中的佼佼者,AR公司更想突破的,是手勢辨識的成熟商業化。

比如亮風台展示過的一款,基於深度學習的手勢辨識系統,主要定義了上下左右、順時針、逆時針六種手勢,首先實現人手的檢測和定位,然後透過辨識相應的手勢軌跡,來實現對人手勢的辨識。

而人臉辨識等其他人工智慧熱門領域,在AR中也有使用,但不是AR公司重要的研發方向。
以上不難看出,AR的底層技術,或者說基礎部分是電腦視覺以及關聯領域的融合,而當下熱門的深度學習和AR的結合,也是算法工程師們的努力方向。這也是AR為電腦視覺與人機交互的交叉學科,AR的基礎是人工智慧和電腦視覺等說法的依據。

没错,AR其实也是AI
圖:電腦視覺與AR流程關聯

在去年今日頭條發佈的《人工智能影响力报告》中,也簡單統計了人工智慧科學家的分布情況,這其中包括人臉辨識、語音辨識、機器人、AR、晶片等領域的公司與大型研發機構,高端研發人員的分布,也說明AI領域的細分方向。 

没错,AR其实也是AI

那AR究竟是不是人工智慧?
對AR從業者來說,理想的狀態是,用更智慧的AR終端,去取代智慧手機,所以對於使用者來說,接觸使用AR首先受影響的是內容,其次是終端,AR產業鏈如果粗暴劃分,包括了技術提供商、智慧終端研發公司,以及AR內容提供商。

在這其中,AR設備提供商不可避免關注硬體技術,如底層的晶片、電池、光學鏡片等,以及硬體本身的性能優化,而內容提供商更傾向於,在現有技術基礎上,優化內容及表現。所以我們可以說AR技術提供商,或者說在底層算法研發上,有一定成績的AR公司,是人工智慧公司。 

對公司來說,特別是創企會把底層技術,轉化為成熟的產品或服務,這可能是如無人機、AR智慧終端、機器人等,也可能是行業解決方案,以達到商業目的,並且這已經成為在沸騰聲音之後,媒體、企業,以及大眾對AI企業的期待和要求。

近期,人工智慧產業發展聯盟(AIIA)出版的圖書《人工智能浪潮:科技改变生活的100个前沿AI应用》將對外發佈,以及涵括了目前巨頭公司以及新創公司,在商業化上的領先成果,也直接反映了AI目前的主要商業化方向。

作為技術驅動的商業領域,無論是AR還是人工智的其他多數方向,技術距離完全成熟,還有很長的路程要走,在整個產業鏈逐漸繁榮,關注商業化實現的同時,也需要有更多公司機構,去不斷拓展技術邊界,建立核心競爭力,讓行業爆發更大的價值與潛力。

0 意見: