计算机视觉未来方向与挑战

计算机视觉未来方向与挑战

计算机视觉（Computer Vision）的未来，就是多媒体 AI 崛起，机器之眼被慢慢打开的未来。多媒体有的时候又称为富媒体，是对图像、语音、动画和交互信息的统称。多媒体 AI 就是对这些所有内容的智能处理。一份国际报告显示，到 2021 年，视频将占全球个人互联网流量的比例，将从 15 年的 70% 增长到 82%，成为信息的主要载体。目前我们计算机视觉中心的工作重点，从以往单纯的图像转向视频 AI，研究视频的编辑、理解、分析和生成等。

• 第一个方向是研究如何让 AI 理解视频中更深层、更细节的信息，分析视频里人物与人物间、人物与物体间，到物体与场景间的具体关系，这是业界热门且亟待突破的研究方向。
• 第二个方向，不仅要研究视觉信号，还着眼于多模态信息，如计算机视觉加文本、加语音等信号的结合。比如视觉+文本上，我们的图像与视频描述生成技术已有一定进展。
• 第三个方向是多媒体 AI 在垂直领域的应用。如在机器人领域，用视觉信息让 AI 感知周围世界，构建整个空间信息，进行导航和避障等操作。在医疗领域，分析医疗影像数据，结合病历文本信息等，让 AI 深入参与到辅助诊疗中。

这个领域的未来挑战，更多是对具体应用场景，比如安防、无人驾驶等难度大的具体应用场景，进行更细致规划和技术延伸。

腾讯 AI Lab 21 篇 CVPR 2018 录用论文详解 (sohu.com)