每個(gè)人都用一雙眼睛觀看世界。如果閉上一只眼睛，你的左手食指和右手食指同時(shí)相對(duì)伸出，都難以“相遇”。如果睜開(kāi)雙眼，這個(gè)任務(wù)就變得非常簡(jiǎn)單。這是百度三維視覺(jué)首席科學(xué)家楊睿剛在百度大腦論壇上給大家分享的小實(shí)驗(yàn)。“實(shí)際上，這是人類(lèi)通過(guò)一雙眼睛以三維視覺(jué)對(duì)周?chē)沫h(huán)境進(jìn)行精確的定位，今天我想跟大家分享的就是如何讓機(jī)器也能夠擁有像人類(lèi)一樣觀察世界的能力。”他表示。
無(wú)論是人還是機(jī)器，三維視覺(jué)都是他們了解世界的重要途徑。現(xiàn)場(chǎng)，楊睿剛介紹了百度視覺(jué)技術(shù)的開(kāi)放進(jìn)展，并詳細(xì)解讀了三維視覺(jué)解決方案及其應(yīng)用案例。他表示，百度視覺(jué)技術(shù)繼從看清到看懂后再次實(shí)現(xiàn)了新突破——看透。基于百度三維視覺(jué)技術(shù)，機(jī)器可以像人一樣看透世界，從而更好地在AR、新零售、工程機(jī)械等領(lǐng)域施展才能。
距今年7月百度大腦3.0版本發(fā)布，開(kāi)放視覺(jué)語(yǔ)義化僅4個(gè)月，百度視覺(jué)語(yǔ)義化技術(shù)平臺(tái)開(kāi)放再次重磅升級(jí)。
楊睿剛介紹，在底層依賴(lài)上，百度研發(fā)了適用于三維視覺(jué)的立體視覺(jué)AI傳感器。硬件層面，立體視覺(jué)AI傳感器采用了三維AI視覺(jué)模組，成本大大降低。而且傳感器通過(guò)端上運(yùn)算縮減了99%云端傳輸量，效率也進(jìn)一步提升。軟件層面，百度針對(duì)立體視覺(jué)開(kāi)發(fā)了從實(shí)時(shí)端上運(yùn)算到大規(guī)模云端分布式計(jì)算等多種算法，其中一些算法在國(guó)際公開(kāi)數(shù)據(jù)集排行榜KITTI-Stereo上包攬了第一、二名。
在圖片分析上，百度將三維視覺(jué)應(yīng)用在人臉識(shí)別上，從而使活體識(shí)別正確率從95.26%提升至99.55%。此外，百度三維視覺(jué)技術(shù)還通過(guò)整合場(chǎng)景分類(lèi)、圖像分割、SLAM等核心能力創(chuàng)新打造了智能化場(chǎng)景的感知能力。而且百度三維視覺(jué)將這些能力集成到了移動(dòng)端上，為手機(jī)端的AR特效提供了技術(shù)保障。
在視頻分析上，通過(guò)引入多角度視頻的標(biāo)定，三維視覺(jué)技術(shù)促使人體檢測(cè)和跟蹤準(zhǔn)確率達(dá)到了95%以上。
基于在底層依賴(lài)、圖片分析和視頻分析等技術(shù)上的突破，百度升級(jí)了可視化展現(xiàn)、機(jī)器人SDK、新零售和工程機(jī)械的解決方案。
AR是當(dāng)前最熱門(mén)的交互方式。百度推出的可視化展示產(chǎn)品方案DuMix AR 3.0結(jié)合了人臉特效、美化特效、環(huán)境特效和人體特效等20多項(xiàng)AR能力，為用戶(hù)和開(kāi)發(fā)者提供了豐富的交互體驗(yàn)。不僅如此，借助這些開(kāi)放基礎(chǔ)能力和相互疊加的組合玩法還能形成一套完整的AR視頻解決方案。
AR視頻解決方案涵蓋四大技術(shù)應(yīng)用方向的全面能力矩陣、整合百度AI+AR多重能力、更加易用的平臺(tái)工具和完善的服務(wù)體系，為開(kāi)發(fā)者與行業(yè)合作伙伴提供了高效、低成本的內(nèi)容制作服務(wù);同時(shí)結(jié)合百度強(qiáng)大分發(fā)優(yōu)勢(shì)，助力合作伙伴實(shí)現(xiàn)業(yè)務(wù)創(chuàng)新、創(chuàng)造巨大的用戶(hù)價(jià)值。目前，百度AR視頻特效解決方案已經(jīng)陸續(xù)與全民小視頻、百度貼吧、好看視頻等多個(gè)垂直內(nèi)容合作伙伴開(kāi)展探索合作，將持續(xù)推動(dòng)AR視頻制作成為AR技術(shù)應(yīng)用的又一常態(tài)化新場(chǎng)景，吸引越來(lái)越多的優(yōu)質(zhì)內(nèi)容生產(chǎn)者加入百度AR生態(tài)。
除了聽(tīng)和看的能力，機(jī)器人最重要的還有行走能力。當(dāng)前機(jī)器人動(dòng)作能力非常有限，大部分機(jī)器人都是固定不動(dòng)，一些機(jī)器人能在靜態(tài)環(huán)境中運(yùn)動(dòng)，而在復(fù)雜環(huán)境中機(jī)器人行動(dòng)就會(huì)非常緩慢。針對(duì)這些情況，百度動(dòng)態(tài)復(fù)雜環(huán)境下新導(dǎo)航算法可以創(chuàng)建仿真環(huán)境，并讓機(jī)器人在這個(gè)仿真的環(huán)境中做各種各樣行走的嘗試，并從中找到一個(gè)最優(yōu)的路徑。即使在人流密集的商場(chǎng)里，基于該算法的機(jī)器人也能輕松行走，這背后的算法與Alpha Go是一樣的。
在日常應(yīng)用中，百度融合視覺(jué)語(yǔ)義化與AR等能力打造出全新的AI零售解決方案。這套方案通過(guò)人流抓拍會(huì)員管理、客流計(jì)數(shù)、人流動(dòng)線(xiàn)與熱力圖統(tǒng)計(jì)，能夠提高客戶(hù)轉(zhuǎn)化率，提升整體收益，實(shí)現(xiàn)更便捷地管理，同時(shí)還能通過(guò)分析獲取數(shù)據(jù)結(jié)構(gòu)，為商家提供策略指導(dǎo)。據(jù)悉，百度與海信合作打造的AI零售體驗(yàn)店隨后將會(huì)面向公眾開(kāi)放，為用戶(hù)提供即拿即走的便捷購(gòu)物體驗(yàn)。
除零售外，三維視覺(jué)也為工程機(jī)械帶來(lái)了煥然一新的智能化體驗(yàn)。以往常說(shuō)“挖掘機(jī)技術(shù)哪家強(qiáng)，中國(guó)山東找藍(lán)翔”，不過(guò)注入AI的百度無(wú)人挖掘機(jī)技術(shù)可不遜于藍(lán)翔。百度開(kāi)發(fā)的無(wú)人挖掘技術(shù)方案，是世界上首套基于視覺(jué)技術(shù)開(kāi)發(fā)的低成本、可量產(chǎn)、適用工程挖掘裝備的人工智能解決方案。在工程項(xiàng)目中，無(wú)人挖掘機(jī)與無(wú)人機(jī)、自動(dòng)駕駛工程運(yùn)載車(chē)默契配合，從制作作業(yè)方案、精準(zhǔn)施工、轉(zhuǎn)運(yùn)、卸載全流程自主完成，從而可以達(dá)到作業(yè)與管理的少人化/無(wú)人化，降低安全風(fēng)險(xiǎn)，實(shí)現(xiàn)設(shè)備全天候智能施工，不僅大幅提升了施工效率，而且顯著降低人力成本，將助力企業(yè)實(shí)現(xiàn)收益倍增。
楊睿剛表示，“百度視覺(jué)從最初的單張圖片分析開(kāi)始，進(jìn)入視頻，進(jìn)入三維，不斷地向更高緯度的發(fā)展。這都是為了更好地讓機(jī)器看清、看懂、看透我們的世界，從而更好地為我們服務(wù)。”百度視覺(jué)還將持續(xù)創(chuàng)新，不斷突破，為開(kāi)發(fā)者和合作伙伴提供更多的AI技術(shù)和解決方案的支持。隨著百度AI生態(tài)的勢(shì)能不斷增加，越來(lái)越多的行業(yè)將進(jìn)入AI變革，也正在給我們帶來(lái)更智能更便捷的生活。