计算机视觉的发展是多技术的融合

by 司马顿 | 2018年6月22日 下午5:13

计算机视觉（CV）在人工智能（AI）领域扮演首要角色。

作为CV三大顶会之一，CVPR 2018正在如火如荼的召开。

这些年直播、短视频、自动驾驶的兴起，让CV更是大放异彩。

CV的应用方向包括图片分类、目标检测、语义分割、目标跟踪、姿态估计、3D重建等。

各方面技术的发展日新月异，优质的模型和算法与日俱增。

ResNet, Inception, Yolo, SSD, Mask-RCNN, OpenPose…

这些众所周知的优秀模型，各自在特定领域解决了问题。

我认为面向互联网的计算机视觉应用，下一代应该是各技术的融合，而不是分割。

看如下图：

这个图体现的结果，是将视频里的人体姿态，进行实时三维建模。

用到了几乎所有CV技术，包括：

1. 目标检测与分类：首先要检测出每个人体目标
2. 语义分割：分割出人体的像素单位，与背景区别开
3. 姿态估计：估算出人体的姿态关键点（网状多点）
4. 目标跟踪：跟踪人体运动轨迹，捕捉上下文信息
5. 3D重建：将视频里的2D信息重建为3D，补充深度信息

而这样的CV产品，可以广泛应用在多个方面。

比如最近很火的秒变大长腿与瘦腰。

比如跳舞、健身的动作矫正。

比如在线试衣。

甚至全息投影也是可以的。

CV多技术的融合，可以使生活更美好、梦想更简单。

技术发展的代表案例，可以参考DensePose。

Source URL: https://smart.postno.de/archives/119

---