今年的CVPR會議在拉斯維加斯舉辦（CVPR即IEEE國際計算機視覺與模式識別會議，是三大計算機視覺國際級會議之一），國內(nèi)計算機視覺領(lǐng)域的公司如百度、商湯科技、圖森科技等都參會并發(fā)表論文。學(xué)界和業(yè)界的研究表明，計算機視覺已經(jīng)發(fā)展到從模擬人類行為到輔助人類生活，再到幫助人類探索未知的階段。

計算機將理解人類手勢

如果給人類播放一段靜音的《守望先鋒》游戲戰(zhàn)斗視頻，即使是新手玩家也能根據(jù)畫面想象出游戲的種種音效，甚至能夠輕易依據(jù)某為英雄的動作反映出一句臺詞——“午時已到”，并對這些音效進行簡單地模擬。

但對于計算機來說，這并非一件易事。在CVPR2016會議現(xiàn)場，來自麻省理工學(xué)院的研究人員就展示了一向“視頻生成聲音”的技術(shù)?？茖W(xué)家向VIS輸入包括46000種聲音在內(nèi)的1000段視頻對其進行訓(xùn)練，并通過深度學(xué)習(xí)算法對聲音進行解構(gòu)，隨后系統(tǒng)便會給靜音視頻配上一段它認為正確的音效。據(jù)研究人員現(xiàn)場介紹，計算機所模擬出的聲音足以以假亂真，在此前的測試中便曾多次讓人類信以為真。

能夠正確理解人類手部動作，同樣是人工智能感知世界的重要任務(wù)。人類可以輕易地判斷“OK”或“豎起”大拇指等手勢所代表的意義，但對于計算機視覺來說，這項任務(wù)仍然處于比較早期的階段。

商湯科技高級研發(fā)工程師錢晨表示，手部姿態(tài)估計的難點，分為兩部，第一部手掌整體的姿態(tài)；第二步是手指的姿態(tài)。因為手的外觀和手指的姿態(tài)相關(guān)，在不知道手指的情況下，去估計手掌的姿態(tài)并不容易，近鄰搜索的方法耗時太久。而普渡大學(xué)的DeepMind技術(shù)將深度學(xué)習(xí)和近鄰搜索相結(jié)合，通過深度學(xué)習(xí)，將輸入映射到低維向量和類別，快速地找出手掌的姿態(tài)參數(shù)，再通過類別差異回歸算法來估計手指的姿態(tài)。手掌姿態(tài)估計比傳統(tǒng)的直接回歸精度提高很多。手部姿態(tài)估計作為整個手勢研究的組成部分，在實時估計的前提下，精度越高，手部動作識別的技術(shù)距離實用會越來越近，應(yīng)用場景也會越來越廣，對VR、游戲產(chǎn)業(yè)大有裨益。

無人駕駛行業(yè)將迎來變革

輔助/自動駕駛可以算是當下學(xué)界與工業(yè)界結(jié)合非常緊密、成果實踐性強、討論熱度極高的一個領(lǐng)域。在人工智能逐漸理解人類世界之后，輔助人類的日常生活，便成為了其“理所應(yīng)當”的工作。

以色列知名公司MobileEye聯(lián)合創(chuàng)始人AmnonShashua認為，在2017年，高速自動續(xù)航功能將會普及，2018年到2020年，高速路上的自動駕駛將會普及，到2021年，部分都市區(qū)域會實現(xiàn)無人駕駛，而2023年，無人駕駛就能全部實現(xiàn)。

國內(nèi)專門研究輔助駕駛的圖森科技CTO侯曉迪認為，輔助駕駛、自動駕駛在中國和在歐美國家的現(xiàn)實差別很大，學(xué)界研究的相關(guān)技術(shù)均在一定程度上無法適用于中國的交通現(xiàn)狀：在中國的駕駛場景中，司機不遵守交通規(guī)則的比例要遠大于美國；道路線的整潔程度、道路標識是否清晰，甚至是否存在，中國城市修路頻率次數(shù)繁多；中國道路的擁擠程度也不能很好地應(yīng)用國外算法；在美國，自動駕駛技術(shù)如果需要取代人類出租車司機，只需將成本控制在10美元之下，但在中國就需要成本壓得更低。

侯曉迪稱，學(xué)術(shù)圈的歐美城市路況數(shù)據(jù)集較為齊全，甚至?xí)泻芏嘈〕鞘袛?shù)據(jù)集，但并沒有針對中國的路況數(shù)據(jù)集，初創(chuàng)公司打造自己數(shù)據(jù)庫的難度極大；中國高精度地圖水平和國際先進水平存在差距。

更多資訊請關(guān)注汽車制造頻道