通過 AR 的方式,人們可以更好的理解數物互聯帶來的價值,這種價值有很多可以想象的空間,比如說預測性的維護,遠程服務、遠程診斷,包括基于云的眾包產品研發體系等等。一旦把數字和物理世界打通,就會產生越來越新的應用場景。

盡管AR技術剛剛起步,但已有跡象表明其將成為主流,AR將深刻影響每個行業的企業,在未來幾年,AR將改變我們學習、決策和與物理世界進行互動的方式。那么AR到底有什么用呢?說到這里就不得不提到,與AR一起近年來一起大火的人工智能。

所謂VR(虛擬現實),簡單來講就是身臨其境,把自己置身到另外一個虛擬的三維空間內,看到的場景雖然可能真實存在于另外一個空間,但眼前所見的都是假的。而AR(增強現實)則是真真假假,將真實的環境和虛擬的物體實時地疊加到同一個畫面或空間同時存在。

有數據顯示,到2020年的時候整個AR和VR的整個市場將會達到1500億,但是在整個市場里面AR,增強現實的市場是有1200億,VR的市場是300億,AR市場將是VR市場的4倍。

AR因其更強的實用性和廣泛的應用性得到各領域用戶的關注。事實上,AR技術正在逐漸滲入到智慧城市建設中的方方面面,在智慧城市的智能交通、智能教育、智能醫療、智能家居、智能旅游等諸多領域都實現著廣泛的應用,對推動以人為本、智慧參與的智慧城市建設起著重要的作用。看AR技術如何助力智慧城市的發展。

深度學習是機器學習的一個子類,即軟件試圖模仿大腦中用于模式識別的部分,它已經對整個技術行業產生了巨大的影響,而這是推動AR行業向前發展的一個關鍵因素。計算機以人類無法模仿的速度執行任務,但計算機處理和排序信息的方式永遠無法與人類相匹配。在AR領域,深度學習正被用于解決基于攝像機追蹤的檢測問題。這一點很重要,因為將來消費者會在智能手機以外的設備上追蹤攝像頭。由于增強對象是在不同的觀看條件下呈現的,包括不同的方向、規模以及光線條件,因此需要深度學習工具包在多個制造商的傳感器之間進行無縫整合。

深度學習是培養實時圖像識別和追蹤增強對象的關鍵,并為它們提供了真實的位置數據和特征。深度學習的潛在用途遠遠超過3D建模,后者是在智能手機屏幕上疊加虛擬數據,就像我們在Pokémon Go中所看到的場景。深度學習成為主流的原因在于SLAM(同步定位和繪圖),它來自高層次的概述,被認為是為蘋果ARKit提供動力的主要技術。具體來說,VIO(視覺慣性測量)就是個簡單的SLAM系統,它讓ARKit的功能更加精確。SLAM使用計算機視覺來創建一個空間的數字輪廓,并追蹤與物體相關的手機位置。隨著處理技術變得越來越便宜,摩爾定律將會繼續生效,SLAM的能力也會隨之提高。但秘訣在于軟件開發。在這方面,領先的公司專注于加速性能。

要成為一個世界級的AI力量,需要具備三點:最先進的算法、專用的計算硬件,以及機器學習系統所依賴的原材料——數據的大量供應。人工智能、機器學習、深度學習、自然言處理等先進技術帶來的產業革命和生產力的充分釋放,經過多年的創新發展,人工智能讓智能設備逐步實現從認識物理世界到個性化場景落地的跨越。

在構成人工智能行業主體的三類企業中,算法企業是推動核心底層技術發展的重要力量,其重要意義在于以算法突破工業界紅線,推動其真正達到工業界應用的KPI。這類企業實際上是推動當前人工智能核心底層技術發展的根本力量。從國外的巨頭微軟、谷歌、FACEBOOK等無不一一深耕超算,國內的微美全息等科技企業也涌上潮頭,將超算能力和場景落地結合前行。

FACEBOOK

Facebook的一項類似研究就在CVPR公布。據了解,該研究的特點是將對象(主要以人為主)疊加到現有的圖片中,并且讓他們通過更逼真的視角和方式融合,看上去更自然。

雖然目前各種基于神經網絡模型的人像生成工具,一種是在給定條件下生成圖像,另一種是讓算法從零開始,自由發揮生成一個高清且逼真的人像。Facebook表示,在兩者之中似乎還存在一個新的應用,那就是將給定圖像中的人像嵌入到包含其它人像的圖像中。

這個過程,需要生成一幅人像并嵌入到現有包含其它人像的照片中,而這個生成的人像在的質量和原有圖像差別并不明顯,無論是清晰度和細節。而其中的幾個關鍵在于:人臉、衣服、頭發。

據了解,Facebook通過三個GAN完成整個過程:

第一個GAN基于現有被嵌入圖像中的人物之間以及人物與背景的上下文關系,并生成一副目標的人體姿勢;第二個GAN呈現出新的人物細節,包括臉部細節;第三個GAN對生成圖像的面部細節進行增強,保證人臉部分看上去足夠逼真。經過測驗,Facebook表示第一步生成的虛擬人物姿勢和大多數自然的任務姿態幾乎相同,但是人物與人物之間的互動仍然是一個挑戰。

而該研究的應用,可以融入未來的AR/VR社交(遠程社交),或者其他AR衍生應用等場景。

微美全息:

而微美全息的全息AI云服務更是在行業中獨樹一幟。在現有的云服務市場中,科技巨頭占據多數,構建基于人工智能的云服務將成為巨頭的下一個主戰場。AI是信息基礎設施的一個升級,是今后產業發展的巨大引擎。巨頭都想把握升級過程中涌現的大量機會,賦能全行業。第二,開源是一種開放式創新。通過開源深度學習平臺,不僅可以吸引大量開發者,還可以為機器學習提供大量的數據支持,以及大量的現實場景。

無論是對軟件開發者的內容生成解決方案,還是針對不同硬件設備的AR功能和服務解決方案,微美全息始終致力于通過領先的AI技術為客戶和產業進行賦能,并與國內外領先的合作伙伴構建完整的AR內容及應用開發生態,共同推動AR應用落地及發展。

微美全息科技已集全息AI云移動軟件開發商、處事商、運營商身份于一身,也成為海內領先的全息AI領域整合平臺之一。在技術儲備上超過4654個全息內容IP儲備,細分行業龍頭企業。各環節技術成熟,客戶數量為485,全息AR專利數為224,其中132項專利和92項待審批專利,技術方面日趨成熟。其商業應用場景主要聚集在家用娛樂、光場影院、演藝系統、商業發布系統及廣告展示系統等五大專業領域。

微美全息(WIMI.US)以“眼界即視界”為使命,公司建立了全球頂級、自主研發的深度學習平臺和超算中心,并且研發了一系列AI技術,包括:人臉識別、圖像識別、文本識別、醫療影像識別、視頻分析、無人駕駛和遙感等。全息3D人臉識別軟件的開發基于微美的全息成像特征成像檢測和識別技術、模板匹配全息成像檢測技術,以及基于深度學習和訓練的視頻處理和識別技術。傳統的2D面部識別技術是一種基于面部特征的識別技術,它從面部圖像或面部視頻流中捕獲信息,并自動檢測和跟蹤目標面部;微美的全息3D面部識別技術是全息成像捕捉和3D肖像的結合的識別技術。

全息AR行業是技術密集型的。全息AR體驗只能通過硬件和軟件技術的結合來實現,并且與全息AR相關的技術進步將把全息AR體驗帶入下一階段。例如,深度學習AI技術的突破將使全息AR設備能夠以更加無縫的方式集成由攝像機捕獲并由計算機模擬的內容,從而為用戶提供更加身臨其境的體驗。此外,集成芯片的發展將使圖像處理器以更低的成本生產,從而降低全息AR器件的銷售價格。5G網絡的廣泛采用將使本地設備和互聯網之間的實時數據傳輸成為可能,從而大大增強了內容的多樣性。

谷歌:

谷歌一直是支持使用深度學習技術的一股強大力量。深度學習如今在前沿應用中非常普遍,它幾乎與人工智能是一個意思了。原因很簡單——它的效果明顯。運用深度學習,可以破解困擾數據科學家幾十年的難題,比如語音和圖像識別,以及自然語言生成問題。

2011年,谷歌成立谷歌大腦項目,這是他們首次公開對深度學習潛在可能性的探索。第二年,谷歌宣布他們已經建立了一個神經網絡,用來模擬人類的認知過程。這個網絡在16000臺電腦上運行,在學習了大約1000萬張圖像之后,它能夠成功識別出貓。

2014年,谷歌收購了英國深度學習初創公司DeepMind。DeepMind將現有的機器學習技術和神經科學的前沿研究聯系起來,開創了一種新的研究方法,讓系統更精確,就像大腦一樣有了智力。

DeepMind研發出了Alpha Go,為了驗證算法執行任務的能力,他們讓系統玩電子游戲,后來又讓系統下圍棋,在這個過程中他們發現系統的技術越來越高超。

谷歌在郵件服務中是如何使用深度學習的?

當證明了深度學習在實驗室和游戲競賽中很有效果之后,谷歌悄然將這項技術推向了更多的服務領域。

第一次實用是在圖像識別中,可以用它對谷歌索引出的互聯網上的數百萬張圖片進行分類。這樣做可以讓圖像分類更精確,從而為用戶提供更準確的搜索結果。

谷歌目前在深度學習的研究中,在圖像分析領域的最新突破是圖像增強。這包括重建或填充圖像中缺失的部分,這種功能是通過從現有的數據中推斷,以及利用學到的其他類似圖像實現的。

Google Cloud Video Intelligence向用戶開放視頻分析功能。用戶將視頻傳到谷歌服務器上之后,這個平臺可以對視頻的內容進行分割和分析,可以自動生成摘要,如果視頻內容有可疑之處,AI甚至還會發出安全警報。

語言處理是谷歌運用深度學習的另一個服務領域。谷歌AI語音識別助手運用深度神經網絡來學習如何更好地理解語音指令和問題。谷歌大腦開發的技術已經在這個項目中有所運用。

最近,谷歌的翻譯服務也運用了谷歌大腦開發的技術。在新的谷歌神經機器翻譯系統上進行翻譯,可以將一切都任務都轉移到深度學習環境中。

另外,運用谷歌大腦的技術,可以在Youtube上提供更多個性化的推薦。當我們在谷歌的服務器中瀏覽內容時,它會監控和記錄我們的瀏覽習慣。已經有數據顯示,為用戶推薦他們想要看的視頻是提高用戶留存率的關鍵,留住了用戶之后就有源源不斷的廣告費了。深度神經網絡能充分的用來研究和學習用戶的習慣和偏好,不斷推薦用戶喜歡的內容。

總的來說,這一切加起來才是真正的沉浸式虛擬體驗,每個人都可以從各種設備中享受這些體驗。盡管在整個行業中,要想實現真正的AR未來還需要我們取得更大進步,但許多偉大的公司和偉大的頭腦正在共同努力,使我們的夢想早日成為現實。