不只有結構光：機器眼中的立體世界，還在發生若幹變化要說AI技術裡什麼最火，機器視覺絕對算一個；而要說機器視覺技術裡什麼最火，大概毫無爭議就屬3D機器視覺了。所謂3D機器視覺，是指在一般的機器視覺技術的基礎上，加入對立體空間中三維模型的理解。這項技術不僅涉及AI，而是一門機器視覺、圖形學與數據感知技術的交叉學科。想想也知道，讓機器認識3D畫面是非常有價值的。畢竟人的視覺理解就是3D的，想要讓AI盡量貼近真人的感知方式，3D是必須攻克的難題。在產業場景上，3D機器視覺是無人駕駛和高精地圖的重要技術條件，在VR/AR上應用也非常廣泛，而無人機航拍與測繪也離不開這門技術。在蘋果把3D結構光技術炒火了之後，手機中的3D機器視覺也已經成為兵家必爭之地——假如說，這些厲害的技術都是賽車，那麼3D機器視覺就是他們在路上都會遇到的收費站……今天在機器視覺頂會中，差不多會有半壁江山那麼多的論文都是跟3D有關。前沿探索可謂瘋狂進行。然而重點來了，關于這一領域，似乎大部分吃瓜群眾還是只知道一個結構光而已。有哪些三維圖像+機器視覺的新技術趨勢，

娛樂城註冊金

今天正隱藏在未知迷霧中眺望這個世界？今天我們來說幾種很有科幻感的技術突破點。說不定這些能力明年就會出現在你的手機、VR設備和無人機中，又或許即將成為某個被資本瘋狂親吻的創業熱潮。超大場景的3D數據感知3D機器視覺包括很多方面，既有讓智能體去理解3D數據，也包括如何通過機器視覺的解決方案，去獲取3D模型數據。傳統意義上的3D數據獲取，或者稱其為3D感知技術，一般來說可以利用多角度拍照或者深度傳感器的方式實現3D數據收集。這種技術的局限在于，收集的3D數據不能太大。然而在3D資料要求不斷升級的今天，對于超大場景的3D數據感知，正在成為一個熱門議題。比如無人駕駛中使用的城市高精地圖，就可以看做一個個超大3D場景的拼接。智能城市領域運用到的很多城市數據推演，也要根植于對城市3D場景的收集。機器視覺正在為超大場景的3D數據感知提供很多新的方法。比如自動化的成像方法，像視覺SLAM在線處理連續幀的圖像，

315晚會直播

實現實時重建巨大3D場景。再比如說對航拍數據進行點雲分割和點雲數據的語義理解，幫助快速低成本獲取城市3D數據。總體來看，今天超大場景的3D數據感知，有三個主要應用方向，很可能分別成為各自技術領域中新的投資和創業熱點：1、建築物的3D高精度模型，運用在工程監理、智能設計、物流和智能城市領域。2、高精地圖與3D數據感知的結合，這是無人駕駛的重要一環。3、室內外一體的3D建模，這對于智能家居設計、環境監控、VR/AR體驗來說都有重要幫助。手機與3D視覺進入蜜月期3D結構光，今天已經當之無愧成為了高端手機的標配，成為了繼雙攝、三攝與屏下指紋之後又一個手機行業爭搶的熱點。然而手機上的3D視覺技術遠不止于結構光，從算法、傳感硬件，到影像系統解決方案，都可能成為手機與3D視覺進一步耦合的關鍵因素。今天來看，有3個相關趨勢非常可能成為明年的熱點。一個是基于芯片端進行的3D視覺算法加速，這很可能成為手機AI的下一個進化方向。第二個是高糾錯能力的3D視覺算法將會普及，在終端實現3D數據收集和本地建模將會成為新的熱點。第三個是後置攝像頭加入3D視覺解決方案指日可待。從芯片端，到開發平台，再到數據集、傳感系統，3D機器視覺正在多個領域影響手機戰場的走向，在這些領域儲備技術武器，也很可能成為明年手機戰場廝殺的關鍵節點。AR/VR中的位姿估計技術為什麼我們在玩AR體驗的時候，經常會覺得手機裡的東西放在攝像頭視野中並不真實，像是漂浮在地板上一樣。這就是因為位姿估計算法不夠精準，無法正確定位物體的空間關系。在機器視覺技術的進化下，今天很多位姿估計技術正在同步進化。比如基于動態特征提取算法，達成的動作定位今天已經比較成熟。這東西聽起來挺玄乎，到底是幹啥用的呢？它的最大應用場景，就是在VR/AR正確處理場景中動態物體的空間關系和運動軌蹟。比如你在VR裡玩踢球遊戲，球應該在什麼位置挨踢，以什麼軌蹟撞牆，都有賴于位姿估計算法來校準。在機器視覺算法的幫助下，更精細的位姿估計正在到來，而這也加速了成熟MR體驗的到來。另一方面，

金門縣彩券行

在VR設備或者手機當中，基于攝像頭與傳感器協同運作來完成位姿估計，也是沉浸技術中即將發生的一個亮點。通過散亂數據達成三維建模3D機器視覺的最重要任何，肯定是基于數據來實現3D建模。這個應用在產業端十分重要，地理信息系統、勘探、工程，以及無人駕駛，都需要大量的3D建模工作來參與。而消費者級的3D建模今天也在到來，我們已經可以看到在手機端通過3D結構光來完成數據收集，從而達成3D建模的玩法。跟3D感知一樣，3D建模也是利用攝像頭或者傳感器來收集數據，最終通過不同的解決方案完成建模。然而這個領域還是有很多問題等待解決。比如說，今天我們進行3D建模時，還需要非常痛苦的一點點收集數據，必須保證數據的對齊和精準排列。否則出來的3D模型就是雜亂無章的。這顯然讓大眾完3D建模的熱情減退，並且給很多工程級項目增添了非常多難度。AI的到來，正在幫助這種情況有所改變。在深度學習算法的幫助下，機器視覺領域正在研究如何在散亂、不規則、巨大數量的數據中完成3D建模。這需要對抗生成以及先驗表示等非常多的方案，但帶來的效果非常值得期待。比如說今天已經有3D建模方案，在深度學習的幫助下實現對密林的重建。然而其用來進行點雲建模的圖像數據中，有很多被樹葉遮擋的部分。這時候就可以用AI來增強3D建模的先驗知識，主動腦補出遮擋物背後的真實樣子。不僅是修復遮擋模型和瑕疵數據，機器視覺技術與3D建模的融合，還可以讓很多無人設備具有更雪亮的眼睛。比如無人駕駛汽車，或許可以基于大腦中的3D建模算法，來腦補智能攝像頭尚未發現的環境。這點在復雜立交橋和停車場中格外有用。在消費者端，3D建模與機器視覺的結合也將帶來新的想象力，比如消費者可以根據照片來重建精準的3D模型，或者傻瓜式完成建模要用的數據收集。讓不那麼專業的人也能建設出專業的3D模型，這個改變背後的想象力驚人。更好的深度傳感器解決方案還有一個機器視覺技術和3D的交匯，主要發生在無人機領域。無人機今天進行測繪和航拍時，

河北2020高考分數線公布

必須附帶對空間的理解能力，否則拍照不準事小，撞了南牆事大。而這個能力主要來自于攝像頭和傳感器進行空間閱讀。隨著消費級無人機的不斷升級，人們對無人機拍攝效果要求也不斷升高。無人機必須不斷在更遠的距離、更極端的天氣、更復雜的運動中拍攝畫面。然而傳統的傳感系統解決方案已經快要跟不上用戶的期許。今天的消費級無人機，一般採取兩種感知解決方案，一種是雙目視覺技術，比如大疆的某些產品；一種是結構光傳感器，比如微軟的Kinect。而這兩種主流方案都是有一定局限的，比如感知範圍都有限，難以完成遠距離作業。再比如雙目視覺技術在黑夜中會失靈，所以無人機夜拍一直是個大坑，然而結構光技術應對不來強光，一到中午無人機就石樂志也是很心塞的。更好的解決方案，在于將傳感器與智能攝像頭結合起來，達成可以適應不同天候與天氣，並且可以長距離感知的新型傳感系統解決方案。今天，用機器視覺技術中的很多算法，協調不同的傳感設備工作，讓無人機變成多眼無人機，正在成為流行的解決方案。機器視覺算法大量加入無人機傳感器，還可能帶來軌蹟拍攝能力提升，

失蹤女子家屬蹲化糞池井蓋旁大哭

讓無人機獲得拍攝整體環境，或者精準捕捉動態物體，比如說運動中的動物和車輛的能力。以上幾個技術趨勢，都可能成為機器視覺和圖形學應用的下一步熱點。這個領域看似偏門，事實上卻能影響今天科技市場中的風吹草動。讓機器看到立體世界的遊戲才剛剛開始，機器與人類在某一天可以用同樣的視角相互凝視，或許才是這個故事的終點。本月初，波士頓咨詢集團（BCG）發布了一項研究結果，深入展示了中國正在成為全球人工智能（AI）領域的新興領導者。國內的《新一代人工智能發展規劃》使得人工智能在國家和跨行業層面建立人工智能試點，採用這項技術並且取得成功。而85%的中國公司是人工智能領域的活躍參與組織，在調查的7個國家中領先。BCG《AI差距：領導力造就不凡》（Mind the (AI) Gap: Leadership Makes the Difference）的研究重點是人工智能實施成功的關鍵驅動因素，並就此對7個國家2700多名管理人員展開了全球調查。該研究發現，大膽積極的管理方式包括積極地將AI列入議程、鼓勵快速開發和試點計劃，以及促進跨職能、快速的研發，都有助于構建在AI行業的領導地位。上面說到的這些因素中國企業都有達到，加上他們的創新週期比同行短，因此他們開始主導人工智能行業。BCG發現，國家層面的結構改進確實在為人工智能增長奠定基礎，比如數據基礎設施、研究中心和網絡，以及IT和數據相關領域的高等教育投資都發揮了重要作用。BCG發現中國主導人工智能領域85％的中國公司是人工智能領域的活躍參與組織，在調查的七個國家中領先。BCG將活躍參與組織定義為在下列兩方面實現人工智能價值並且取得切實進展的公司：第1點，已經開始將AI納入某些現有流程或目前正在運行的試點計劃；第2點，迄今為止他們的努力一般都取得了成功。中國的主導地位可歸功于國家在2017年推出的《新一代人工智能發展規劃》，該計劃正在取得強勁成果。同時，在接受調查的大多數其他國家中，只有大約40%到50％的公司可以稱為活躍參與組織。剩下的公司在人工智能領域要麼還沒顯著活躍，

威力彩中獎號碼查詢

要麼項目不成功的幾率很大。而這類公司仍佔大多數。中國在活躍參與組織佔比非常高，這由兩個相互促進的因素驅動：中國在人工智能活動方面遠遠領先于其他國家，目前32％的公司已將人工智能納入公司流程，而相比之下，大多數國家為20％或更低，而剩下大多數公司還在試點計劃。更重要的是，在中國，僅有10％的公司有報告之前的AI計劃失敗。總體來看，中國企業正在積極推動人工智能項目，而且一旦開始試驗，取得成功的幾率也很高。美國活躍參與組織佔51%，份額位居第二，

315晚會直播

主要是由于硅谷和數字初創行業的高水平AI活動。美國在新技術領域中，給初創公司提供投資稅收優惠，這點非常重要。目前美國能排在第二位，主要原因還是數字初創企業在人工智能的活動反面水平較高。而在這個特定經濟領域中，76％的美國公司是活躍參與組織，報告的之前實施計劃成功率超過90％。而除了這個領導領域外的傳統行業，整體情況好壞參半。德國和法國在調查中相對落後。根據調查結果，這兩個國家的活躍參與組織所佔份額一樣。在之前實施人工智能計劃的公司中，

娛樂城註冊金

31％的德國公司和36％的法國公司報告的結果都是不成功。這兩個國家都是上一次工業革命的強國。就目前的情況而言，他們都沒能領導AI實施革命。日本在尖端人工智能機器人領域處于領先地位，而在人工智能採用的競爭中顯著落後。日本有39％的活躍參與組織，只有11％已經採用AI，

娛樂城詐騙

其餘的仍然是試驗。不過，在活躍的公司中，

美衛生部長抵台 洪秀柱質問台當局

他們過去試驗AI項目的成功率達到66％，穩定在中等水平，並且領先奧地利和瑞士等國家。中國的人工智能主導地位跨越多個行業，而大多數國家只關注少數行業採用這項技術。BCG採訪了500家中國公司，發現《新一代人工智能發展規劃》正在成功積極地推動跨行業試點、採用人工智能，以及助力實施人工智能計劃並且取得成功。與美國和其他國家不同，中國在獲取人工智能價值領域能夠保持總體領先優勢並非受到一兩個特定行業的強大支配地位的推動。中國是在國家和整個行業層面上呈現出AI領導地位的趨勢，根源在于中國管理層如何對待人工智能創新。在全球範圍內，科技公司在大多數國家都領導著人工智能。技術、媒體和電信公司在活躍參與組織中所佔比例最高，整體佔71％。也許並不奇怪，在這個領域都包括技術和IT公司，電信設備和硬件生產商。能源是排行第二的行業，能源工程和服務以及石油和天然氣在許多國家都很強大，特別是在中國和美國。其他行業發展各異。與全球其他行業相比，人工智能活動和成功更多地是依賴公司的獨特優勢和重視而非單靠固有行業特征驅動。德國的工業工程產品公司很強大，也是活躍的參與組織（佔84％的份額）但法國在這方面相對較弱。相反，法國數據豐富的消費者零售公司比德國更強大。瑞士在銀行和保險領域的活躍參與組織佔比較高，而奧地利的銀行業則遠遠落後。活躍參與組織中，汽車行業是人工智能技術的早期採用者，日本汽車行業佔27％，而德國和法國約65％。AI發展需要什麼？BCG發現，行業格局在AI試點、採用和項目長期成功的相對成功水平上發展各異。人工智能的成功與技術基礎設施、可用技能、執行速度和響應能力以及各個公司的高級管理層的支持有很大關系。這一發現解釋了為什麼美國的初創企業是人工智能的主要參與者。因為他們通常擁有小型工程和研發團隊，由技能嫻熟或技術精湛的專業人員組成，運作速度遠遠超過其他競爭對手。德國和其他強國在先前技術創新為了引領行業所制定的戰略和實踐阻礙了它們迅速利用人工智能。BCG發現人工智能可以解鎖的變化具有破壞性，改變了整個流程的運作方式以及人類在其中扮演的角色，因此企業創新的方法也必須具有破壞性。只專注于研發、組織單獨不合作的運作方式，以及不肯冒險和變革的管理方法，都正在阻礙各國推行人工智能戰略的速度。即使有適當的基礎設施、數據和技能，這些障礙也會減緩各行業的AI進展。此外，調查結果還發現了三種促使企業發展AI的行為：創新週期用月而不是年來衡量、公司管理文化積極要求人工智能創新，

強棒電子遊藝場

並願意試驗小型人工智能項目，以及建立跨職能的AI團隊。如果一家公司在這三個指標上處于領先地位，那麼無論是在哪個國家，它在實施AI方面的成功幾率都會顯著增加。加快創新週期人工智能的一大優勢是能夠快速吸收、轉化並且反饋。由于基于機器學習，AI所連接的系統可以比傳統上基于人類的反饋系統更快地完成工作。因此，成功的人工智能項目在啟動、測試、學習和改進的過程中迅速發展。事實上，他們移動的速度越快，他們就能越快地建立價值並嵌入流程中。調查數據證實了這一點，表明平均創新週期較短的公司，其AI實施跟蹤記錄明顯優于週期較長的公司。在接受調查公司中，16％是速度最快的創新企業（創意到建立原型的平均時間為3個月或更少），其中72％歸類為成功的活躍參與組織，實施成功率為83％。然而，隨著創新週期的增加，AI活動和成功率也會相應降低。在創新週期為兩年或兩年以上的公司中，只有不到30％的公司是活躍參與組織，他們的成功率降至平均50％上下。公司管理文化積極要求人工智能創新人工智能成功的最有力推動因素之一是公司高管願意試行AI項目。活躍參與組織中，高級管理層更願意推動AI項目，這也是各個國家和行業普遍存在的事實。趨勢很明顯：當高級管理層明顯推動人工智能時，組織在人工智能創新方面變得更加活躍，並且更加成功。正如最近BCG聯合麻省理工學院發布的報告所示，活躍參與組織的高管們正在積極地將AI納入員工的議事日程。與這些公司的高管一樣，中國的管理層在整體AI發展方面表現積極。近90％的中國管理人員相比其他主題更關注人工智能，而只有53％的德國高管和52％的法國高管這樣認為。在一些國家，許多高管甚至似乎在積極地抑制人工智能創新。例如，20％的日本公司經理人報告說，相比其他創新主題，他們實際上更少關注人工智能領域。建立跨職能AI團隊人工智能實施良好的國家會採用明確的跨職能創新方法。因為實施AI本質上是教機器執行人工任務，所以它必然需要多學科的技術、數據和商業敏銳性才能實現。成功實施人工智能需要跨職能團隊來保持創新速度。過去，IT部門的任務就是創建新功能，無需客戶經理、營銷部門或生產專家密切合作都可以成功創新產品。然而這並不適合AI的創新。在各個國家中，AI部門獨立工作仍然是常態。但根據調查，突破AI部門孤島式運作顯著增加了成為活躍參與組織的可能：41％的活躍組織通過跨職能團隊來推動AI創新，而相對不夠活躍的組織只有22％這樣做。但72％的受訪美國公司和66％的德國公司表示，他們的組織不會創建多學科團隊來處理AI項目。在這些公司中，人工智能部門基本獨立運作，那成為活躍參與組織的可能也相應地減少了。相比之下，中國的人工智能跨職能團隊數據已經達到50％。公司不會自動在AI方面變得活躍和成功，企業高管們在這個過程要發揮重要作用才能在AI革命中取得成功。管理層必須認識到AI的地位，他們必須採取相應的行動，不是在將來而是在現在，同時要保持開放大膽的態度。，