AI视觉研究持续亮剑 亮亮视野成果入选世界顶级会议

近期,特斯拉自动驾驶事故被频频报道,同时华为“自动驾驶”技术惊艳亮相,被广大网友认为其已经达到了L4的自动驾驶水平,这使得关于汽车辅助驾驶系统的讨论再度热闹了起来。其中最关键的核心就是有关汽车视觉的感知系统。

AI视觉研究持续亮剑 亮亮视野成果入选世界顶级会议

事实上,随着AR+AI时代的到来,AI视觉作为实现工业自动化和智能化的关键核心技术,正成为人工智能发展最快的一个分支。当机器可以“看懂这个世界”时,它将如眼睛之于人类的价值一般,不仅会改变我们的出行方式,还将改变我们的娱乐、学习等等与生活有关的一切。

一直以来,亮亮视野都在AR和AI上投入了巨大的精力,在为行业提供支撑企业数字化转型的硬件和平台的同时,与中科院自动化所建立联合实验室,通过对算法协同、多模态任务、环境测试等多方面进行综合研究,努力实现AI多模态感知融合。近期,其多项研究成果成功入选计算机视觉世界的顶级会议。

“基于结构信息保持的弱监督目标定位”入选CVPR2021

Unveiling the Potential of Structure-Preserving for Weakly Supervised Object Localization. CVPR 2021.

CVPR2021是计算机视觉世界三大顶会之一!本次大会收到来自全球共7015篇有效投稿,最终有1663篇突出重围被录取,录用率仅为23.7%。

本论文研究的是弱监督目标定位(WSOL)能力,这是当下仍富有挑战的计算机视觉任务,虽然现有的工作通过利用空间正则化策略可以明显提高目标定位精度,但往往忽略了如何从训练好的分类网络中提取目标结构信息,使得性能和效率还有大幅提高的空间。

本次研究提出了一种两阶段的方法“结构保持激活(SPA)”,以充分利用WSOL卷积特征中包含的结构信息。在包括CUB-200-2011和ILSVRC在内的两个公开基准上进行的大量实验表明,与基准方法相比,本文提出的SPA方法取得了显著的性能提升。

AI视觉研究持续亮剑 亮亮视野成果入选世界顶级会议

分析并提醒行进中存在的警示和风险

而这种提升就可以在汽车驾驶时,对感知系统下的更多物体实现更为精准的检测与判定,降低事故发生率。

“SiamCPN:基于孪生中心预测网络的视觉跟踪”入选CVM 2021

SiamCPN: Visual tracking with the Siamese center-prediction network. CVM 2021.

CVM是亚洲图形学学会(ASIA Graphics Association)旗下的三大系列会议之一,由清华大学图形学实验室于2012年在北京创办,发展至今,已经在国际上形成较大影响力。此次入选CVM2021的论文也同步入选SCI索引源。

本论文主要针对的是目标跟踪问题,通过一种anchor-free的孪生网络SiamCPN,给定初始帧中的参考追踪对象,可直接预测后续帧中对象的中心点和大小。相比其它先进的孪生网络算法,该方法GOT-10K、UAV123数据集上取得了更好的结果,推理速度也有1.5-2.0倍的提升。

AI视觉研究持续亮剑 亮亮视野成果入选世界顶级会议

让虚拟NPC始终坐在人物肩膀上

这一成果可应用于互动游戏之中,可以让虚拟的场景与现实自然融合,让虚拟创造的NPC更真实的与玩家互动,从而让玩家获得更具沉浸感的增强现实游戏体验。

其实不止于这些场景,这两项科研成果还可以应用于更多领域。目前,亮亮视野正将这些技术带到工业巡检领域,从而促进技术快速成熟,将技术带到国民用户的普通生活之中。

例如,“基于结构信息保持的弱监督目标定位”现正应用于电力、制造、能源等领域的生产车间中,通过该技术赋予AVG机器人之中,机器人可以在复杂的环境中实现自主行走、避障等,从而提升机器人搬运、分拣等效率。此外,将该技术植入进AR智能眼镜中,可以为现场人员提供实景导航、安全提示等,从而提高生产安全性。

AI视觉研究持续亮剑 亮亮视野成果入选世界顶级会议

而“基于孪生中心预测网络的视觉跟踪”技术则可以将数字孪生技术、三维建模技术更好的应用起来,工作人员可更方便的查看设备图纸、操作设备虚拟三维模型,提高生产、运维、远程培训的效率。

AI是进入未来世界的关键,是成就改变世界梦想的钥匙。截至目前,亮亮视野已经有数篇AI科研成果登陆世界顶级会议,并将这些技术产业化,为不同行业带去智能化的解决方案。未来,亮亮会继续加大AI领域的研究工作,通过人工智能与增强现实技术,以第一视角交互让人与人、人与机器、人与数据的沟通变得更自然高效。

(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )