Dzisiaj, dzięki ogromnemu skokowi w możliwościach sztucznej inteligencji, technologie oparte na wizji komputerowej (CV) stały się kluczowymi cechami wielu aplikacji i urządzeń, w tym tych, z których ludzie korzystają na co dzień.
Oprogramowanie biometryczne do rozpoznawania twarzy nie istniałoby bez wizji komputerowej. Autonomiczne samochody potrzebują go do bezpiecznej jazdy. Wizja komputerowa jest wymagana zarówno do analizy obrazów medycznych, jak i zrobotyzowanych procesów kontroli jakości. Moja firma, Shopic, wykorzystuje wizję komputerową do identyfikacji przedmiotów umieszczonych w wózkach z naklejkami.
Technologie te zasadniczo wykorzystują wizję komputerową do automatyzacji przydatnych procesów przy użyciu danych wizualnych jako danych wejściowych. Systemy obejmują sprzęt skanujący i algorytmy, które umożliwiają maszynom analizowanie, przetwarzanie i wydobywanie informacji z cyfrowych obrazów i filmów. W dużym stopniu opiera się na uczeniu maszynowym, głębokim uczeniu się i złożonych sieciach neuronowych.
W ostatnich miesiącach widzenie komputerowe rozwinęło się w nowy i ekscytujący sposób. Dla niektórych te zmiany też są niepokojące, ale ja widzę w tej dziedzinie potencjał i szansę. Poniżej znajduje się kilka najważniejszych trendów, które moim zdaniem będą dominować w branży na tym etapie iw dającej się przewidzieć przyszłości.
Uzyskanie progu jest stopniowo obniżane
Ciągłe postępy w zakresie pamięci masowej w chmurze brzegowej sprawiły, że urządzenia brzegowe, takie jak aparaty cyfrowe i czujniki wizyjne, mogą przetwarzać obraz komputerowy na miejscu, zamiast wysyłać go do chmury. Przenosi to komputerowe przetwarzanie sztucznej inteligencji do urządzeń brzegowych, zmniejszając opóźnienia i zmniejszając zużycie energii i przepustowości. Firmy takie jak Nvidia opracowują usługi w chmurze brzegowej, aby usprawnić wdrażanie zasobów widzenia komputerowego. Pozbycie się kosztownego przetwarzania i przechowywania danych w chmurze obniża koszty wdrożenia i sprawia, że systemy CV są bardziej dostępne i przystępne cenowo. Przejście na przetwarzanie brzegowe poprawia również prywatność danych w aplikacjach wizyjnych, przezwyciężając problemy ze zgodnością, które wcześniej nękały wiele firm.
Rozwinięcie zastosowań wizji komputerowej
W miarę jak zmniejszają się bariery adopcji, coraz więcej branż wdraża wizję komputerową w coraz większej liczbie przypadków użycia. Opieka zdrowotna jest jednym z obszarów, w którym chce się zastosować wizję komputerową, która mogłaby umożliwić dokładniejsze diagnozy obrazowe i zdalne usługi medyczne, z obietnicą chirurgii wspomaganej przez roboty.
Byliśmy świadkami wzrostu przypadków użycia wizji komputerowej w branży detalicznej, w tym systemów zakupów samoobsługowych i sklepów bez kasjera. Pojazdy samojezdne i sprzęt bezpieczeństwa drogowego wykorzystują wizję komputerową w celu poprawy bezpieczeństwa, rolnicy używają wizji komputerowej do monitorowania upraw i wykrywania chorób, a systemy VSLAM wykorzystują wizję komputerową, aby zapewnić dokładniejsze mapowanie pomocy w przypadku klęsk żywiołowych, prognozowanie pogody i nie tylko.
Wraz z rosnącą liczbą przypadków użycia rynek wizji komputerowej będzie się rozwijał. Global Data przewiduje, że rynek wizji komputerowej wzrośnie z 17,73 mld USD w 2023 r. do 30,3 mld USD w 2026 r.
system staje się bardziej złożony
Ponieważ algorytmy sztucznej inteligencji leżące u podstaw rozwiązań widzenia komputerowego stają się coraz potężniejsze, systemy widzenia komputerowego poprawią swoją zdolność rozpoznawania obiektów i twarzy. Umożliwi to komputerowym systemom wizyjnym dokładniejsze wykrywanie emocji i śledzenie ruchów ciała, otwierając nowe możliwości wglądu behawioralnego i wykrywania anomalii. Chociaż monitorowanie osób jest bardzo problematyczne i zostało poddane kontroli w ostatnich latach, anonimowa analiza nastrojów tłumu jest jednym z etycznych przypadków użycia.
Widzimy również komputerowe systemy wizyjne rozwijające innowacyjne modele i metody przetwarzania obrazu. Dzisiejszy „model uwagi” jest zasadniczo techniką przetwarzania danych wejściowych, która umożliwia sieci neuronowej skupienie się na określonych częściach złożonego obrazu lub wideo, umożliwiając komputerowym systemom wizyjnym zrozumienie każdej części zajętego obrazu lub częstotliwości początkowej. Ponadto „graficzne sieci neuronowe” stosują przewidywania głębokiego uczenia się do struktur danych bogatych w relacje, poprawiając widzenie komputerowe, zrozumienie i interpretację kontekstu.
Łączenie danych wizualnych z innymi źródłami danych może wzbogacić ogólny kontekst i zrozumienie wydarzeń, podobnie jak ludzie łączą widzenie z wyczuciem wiatru, percepcją prędkości i dźwiękami otoczenia, aby zrozumieć otaczający ich świat. W ten sposób rozwiązania CV mogą zrozumieć i wyodrębnić wgląd w całą scenę w szerszym kontekście, a nie tylko w wybrane segmenty
Ta dojrzałość umożliwi dokładniejszą interpretację i analizę, lepsze podejmowanie decyzji i większą użyteczność w złożonych i szybko zmieniających się sytuacjach, takich jak ruchliwe zakłady produkcyjne lub ulice miast.
AR wkracza w nową erę
Dzisiejsze rozwiązania rzeczywistości rozszerzonej (AR) mogą tworzyć interaktywne odwzorowanie 3D dowolnego rzeczywistego środowiska, z ograniczonymi korektami wprowadzanymi przez śledzenie zmieniającego się światła na płaskich powierzchniach. Mogą reagować na ruchy użytkownika za pomocą śledzenia głowy i kontrolerów, ale niewiele więcej.
Jednak integracja komputerowych kamer wizyjnych z rozwiązaniami do śledzenia ruchu gałek ocznych i żyroskopami zaczyna tworzyć bardziej złożone systemy. Rozwiązania z udoskonaloną wizją komputerową (CV-enhanced AR) mogą postrzegać całe otoczenie użytkownika, kierować go w celu unikania przeszkód, dostosowywać środowisko wirtualne do ruchów ciała użytkownika itp.
Ma to istotne implikacje dla urządzeń wspomagających, aplikacji nawigacyjnych oraz gier/Metaverse.
pozostają wyzwania
Pomimo ogromnego rozwoju i obietnic wizji komputerowej, liderzy w tej dziedzinie wciąż stoją przed pewnymi wyzwaniami. Ponieważ wizja komputerowa jest stosunkowo nową dziedziną w świecie komercyjnym, brakuje ekspertów w jej rozwijaniu i wdrażaniu na dużą skalę. Firmy muszą podnosić kwalifikacje swoich pracowników, aby sprostać tym wymaganiom.
Jako branża musimy również lepiej rozwiązywać problemy związane z prywatnością, zaufaniem i etycznym użytkowaniem. Kluczem jest rygorystyczne gromadzenie danych, w pełni dobrowolne lub całkowicie anonimowe. Komputerowe systemy wizyjne muszą być zgodne ze zmieniającymi się przepisami dotyczącymi prywatności i publicznymi wymaganiami dotyczącymi prywatności.
„Istnieje coraz większa potrzeba przejrzystości i zrozumiałości sztucznej inteligencji. Wizja komputerowa nie może być tylko czarną skrzynką, ale modele sztucznej inteligencji, na których się opiera, są tak złożone, że trudno jest je wyjaśnić”. Osoby odpowiedzialne za wdrażanie systemów sztucznej inteligencji dołożą wszelkich starań, aby upewnić się, że potrafią wyjaśnić, w jaki sposób podjęto decyzje i jakie informacje wykorzystano do ich podjęcia. „Ale w miarę jak wizja komputerowa staje się coraz bardziej złożona, wyzwania rosną” — pisze Bernard Marr.
Wizja komputerowa jest wciąż w powijakach
Podobnie jak inne rozwiązania sztucznej inteligencji, wizja komputerowa rozwija się z prędkością światła, a nowe podejścia, aplikacje, przypadki użycia i możliwości pojawiają się cały czas. W tak szybko zmieniającym się otoczeniu trudno przewidzieć, co wydarzy się w przyszłości.
Chociaż nadal istnieje wiele wyzwań do pokonania, zwłaszcza w zakresie prywatności i etycznego użytkowania, komputerowe systemy wizyjne obiecują zapewnić nowe możliwości wielu branżom, otwierając nowe możliwości dla wszystkich zaangażowanych stron.
