所有同学，你们的天猫设计 Design Observation 又来喽！进入元宇宙需要视觉和语音交互两张门票，本期短视频我们就来聊一下实现视觉交互的核心技术-计算机视觉及其发展趋势。
计算机视觉设计观察
▲ Design Observation S02E07 计算机视觉
短视频文字版
Facebook 进化为 Meta, all in 元宇宙并提出元宇宙需要具备的八要素分别是：开发平台、虚拟化身、家庭空间、隔空传输、跨平台操作、隐私安全、虚拟商品、以及自然界面。
其中 Presence 是 Meta 为 Oculus VR 头显开发者提供的元宇宙基础开发套件，提供视觉和语音技术的工具集，包括 Insight SDK、Interaction SDK 和 Voice SDK。
Insight SDK 基于计算机视觉技术的空间锚点和场景理解，可以帮助开发者在真实的空间中进行虚拟物体的摆放、且符合物品之间的空间关系和遮挡关系。进入元宇宙需要智能感知与交互这张门票，而这张门票里视觉和语音技术是最重要的基石。
在计算机视觉的应用方面，众所周知，特斯拉摒弃了激光雷达，采用了全视觉方案:通过八个 RGB 摄像头完成对于空间的感知和建模，通过 Transformer 来实现多机位特征到结果的预测，通过融入不同相机的位置信息，获得准确的空间位置映射。
同时，特斯拉还搭建自研的超级计算机集群 Dojo，帮助特斯拉提升横向扩展的算力，特斯拉团队相信通过监督学习来实现车辆视觉系统对于外界的感知是一个正确的路线。
目前特斯拉已经有超过100万个大约为10秒钟的视频，并且标注出了视频中60亿个物体的距离、加速度以及速度信息，这些数据量高达1.5PB。
未来1.5PB的数据将在超高算力的支持下，“数据 + 算法 + 算力” 三轮驱动的特斯拉将会在视觉感知的自动驾驶技术路线上一路狂奔。
面向未来，我们认为计算机视觉将有两大趋势值得关注:数据层面，合成计算机视觉数据是数据分析主流趋势，合成数据不仅仅作为元宇宙的必备要素，同时也是训练模型的重要原料。
比如前面提到的特斯拉会利用虚拟现实技术来生成驾驶场景的边缘场景和生产更多的新视角。
人眼能看到的东西远不如现实世界丰富，我们构建的算法只能关注到人类理解和标记出的信息范围内。
但事实可能并不是那样，我们可以为传感器构建算法，来测量超越人类感知范围的东西。这些算法可以在虚拟现实中通过编程的方式进行有效训练。
知名数据分析公司 Gartner 认为在未来 3 年中，合成数据将比真实数据更占优势。我们使用虚拟现实引擎训练计算机视觉模型，并将训练好的模型部署到现实世界。
算法层面，面向内容生成的 AIGC 将成为虚拟世界内容生成的重要形式。
你肯定听说过UGC、PGC等内容创作形式，元宇宙区别于传统的游戏世界的最大差异是，元宇宙是现实宇宙的数字孪生，遵循客观世界的物质唯一性等客观规律，因此元宇宙世界也需要孪生大量现实世界的物体或是对于现实世界的人物进行重建，而这些海量的重建必然不能是按照传统游戏世界中的方法，由 CG 工程师一个个手工制作、其效率远远无法满足实际场景的需求。于是面向内容生成的 AIGC就很有必要。
今天我们已经习惯了智能手机人脸识别或Instagram的图片生成，我们几乎不知道这些场景使用了计算机视觉，未来计算机视觉技术的进步会帮助我们向更加多维的沉浸式体验发展，让我们走得更远。
—
REFERENCES
视频和内容引用来源
Youtube, Meta, Tesla, Reality Labs, Facebook Reality Labs, Microsoft, etc.
EDITORS
内容与图片编辑者
景誉、余润、谓薇
—
文章提供之内容信息仅用于个人学习、研究或欣赏，不得自行商用。如果对于素材有疑问，请联系我们修改。
The information provided in this article is for personal study, research or enjoyment only, and is not to be used for commercial purposes. If you have any questions regarding the material, please contact us for corrections.
本篇文章来源于微信公众号: 天猫设计
