3D視覺技術推動商業(yè)發(fā)展和個人消費升級

21世紀，人工智能為人類開啟了一個新時代。人工智能產業(yè)已經上升至國家支持產業(yè)，人工智能技術的發(fā)展對國家經濟發(fā)展、產業(yè)轉型和技術進步起著至關重要的作用。近日，在2021全球人工智能技術大會（GAITC 2021）上，騰訊優(yōu)圖聯(lián)合廈門大學人工智能研究院共同發(fā)布了《2021十大人工智能趨勢》，基于長期對人工智能尤其是計算機視覺的研究洞察，提出3D視覺技術、數(shù)字內容產業(yè)、AI多模態(tài)融合等方向的前沿預測。

趨勢報告顯示，3D視覺算法效果大幅提升雙重促進視覺體驗增強和生產成本下降，不斷推動商業(yè)發(fā)展和個人消費升級；AI與數(shù)字內容產業(yè)的深度耦合，也將有希望為行業(yè)釋放更大的科技勢能，構筑數(shù)字內容生成新范式。

01

3D視覺技術助力產業(yè)消費升級，淡化 虛實邊界

作為視覺AI領域多年熱點研究方向之一，3D視覺技術的核心任務是對三維空間、物體及環(huán)境進行真實還原與重建。隨著相關算法與硬件計算能力的不斷升級， 3D視覺算法效果得到大幅提升，三維幾何重建更加精細，表面紋理重建更加清晰，帶來更加逼真的視覺觀感。

近年來，諸多3D視覺研究成果為低成本高質量的3D內容生成提供了良好技術支撐，基于3D虛擬形象的舞臺演出、直播帶貨、教育互動等應用層出不窮，成為AI內容產業(yè)全新發(fā)展方向。以此為基礎，結合5G時代流量帶寬的全面升級，帶有交互功能的3D虛擬現(xiàn)實、增強現(xiàn)實、混合現(xiàn)實的3D視覺應用將用戶體驗向真實與虛擬的完美融合進一步邁進。

用戶會因為虛擬偶像生動自然的舞臺表演進行打賞，會由于虛擬主播“賣力”地帶貨促銷而下單購買，而線上平臺則依靠3D視覺技術大大降低內容制作和IP運營成本，最終帶來社會商業(yè)發(fā)展模式與個人消費習慣的顛覆與變革。展望未來，3D視覺技術將持續(xù)在包括游戲娛樂、影視制作、電商直播、醫(yī)療整形等眾多領域廣泛應用，虛擬與現(xiàn)實的邊界將不斷淡化。

02

人工智能推動數(shù)字內容生成向新范式演進

隨著數(shù)字文化產業(yè)的蓬勃發(fā)展，尤其是二次元文化滲透出圈，數(shù)字內容產業(yè)面臨新一輪的需求升級，伴隨著5G商業(yè)化進程的不斷加深，多元化、精品化的優(yōu)質數(shù)字內容將面臨更快的消費節(jié)奏，與此同時，供給側仍存在巨大的產能缺口，數(shù)字內容產業(yè)正處于勞動密集型向科技密集型的轉型階段。

AI與數(shù)字內容產業(yè)的深度耦合，將有希望為行業(yè)釋放更大的科技勢能，以GPT-3、DALL-E為代表的AI技術，已在文本、語音、圖像、視頻等內容生成中取得了令人驚艷的結果，然而在精確性、泛化性、合理性方面仍然面臨挑戰(zhàn)，目前的前沿研究一方面探索從模型結構（自動化搜索等），訓練形式（無監(jiān)督對比學習等）等方面提升精度效果；另一方面引入知識圖譜領域知識，向機器介紹常識和其他特定領域的知識進而提升常識推理效果。

伴隨著技術的持續(xù)升級演進，我們預見AI將逐步在數(shù)字內容生成領域釋放引擎級的影響力，在內容、平臺、技術多方合力引導下，構筑數(shù)字內容生成新范式。

03

多模態(tài)融合加速AI認知升維

深度學習在多個人工智能的細分領域（如視覺，自然語言處理等）已日趨成熟化和規(guī)模化，然而要真正實現(xiàn)通用人工智能，必然要將這些細分領域各自所針對的信息模態(tài)整合利用，即多模態(tài)融合。多模態(tài)融合的目標是建立在圖像、文字、語音等的多模態(tài)信息識別的基礎上，實現(xiàn)不同模態(tài)信息的統(tǒng)一表征框架，從而起到1+1>2的作用。

典型的場景之一是通過圖文語音聯(lián)合識別，實現(xiàn)對隱晦和暗示性，招嫖廣告，兒童不良表情包等圖文混合內容識別，支持審核業(yè)務深度打擊不良內容。除了圖文融合等跨域模態(tài)融合，同域內的不同信息維度同樣可以融合，如隨著深度生成技術的發(fā)展，當前的人臉識別除了傳統(tǒng)的RGB圖外，還需要融合深度圖、紅外圖等信息來更好的防御越來越多元化的人臉偽造攻擊，實現(xiàn)更強的人臉防御。

隨著人工智能認知能力的提升，多模態(tài)融合也將會從圖文等實質性模態(tài)，逐漸拓展到如物理關系，邏輯推斷，因果分析等知識性模態(tài)，從感知智能邁向認知智能。

04

無監(jiān)督/弱監(jiān)督學習逐漸成為企業(yè)降本增效新利器

在過去的幾年中，深度學習所取得的巨大成功離不開大規(guī)模標注的數(shù)據集。大規(guī)模標注成為企業(yè)發(fā)展過程中抬高交付成本、制約效果提升的主要因素之一。在此背景下，無監(jiān)督學習和弱監(jiān)督學習通過不使用標簽或減少對標簽數(shù)量、質量的要求來迅速降低深度模型對于數(shù)據的標注需求，使得原本無法利用的數(shù)據如今都可以加入到模型的訓練中去，進而由量變引發(fā)質變。

可以預見的是，將有越來越多的人工智能企業(yè)會面臨從前期的迅速擴張到穩(wěn)定期高效化運作的新階段，而在這個過程中，無監(jiān)督/弱監(jiān)督學習無疑將成為他們過渡到這個階段的重要手段之一。

除此之外，自動機器學習的自動化程度與可解釋性提升、邊緣計算與人工智能加速融合、人工智能內核芯片向類腦神經計算方向演進、AI算法公平性與隱私保護、人工智能技術向安全智能方向邁進等趨勢，也成為趨勢報告的關注重點。

文章出處：【微信公眾號：新機器視覺】

責任編輯：gt