计算机视觉

计算机视觉(CV)是让机器拥有“眼睛”的AI领域。从照片中识别出猫、自动驾驶汽车识别行人,到工厂摄像头揪出次品——所有处理视觉信息的AI技术都属于这个范畴。

它与处理人类语言的NLP(自然语言处理)并列,构成AI的两大支柱。从智能手机的人脸识别解锁、搜索引擎的图片搜索,到医学影像判读,我们日常使用的许多技术都属于这一领域。

最近,随着同时处理文字和图像的多模态AI成为主流,计算机视觉正在与语言模型融合。其结果就是我们可以在聊天机器人里粘贴一张照片,问它“这是什么?”。新闻中提到“视觉模型”“视觉AI”时,指的就是计算机视觉相关技术。

“基于计算机视觉的质量检测系统将次品率降低了一半”——这说的是摄像头和AI取代人眼,自动揪出次品。

1. 在聊天机器人里粘贴任意一张照片,问它“请说说这张照片里有什么”。
2. AI会读出物体、场所,甚至氛围——这正是计算机视觉的基本任务“图像识别”。
3. 进阶尝试:拍一张手写笔记的照片,问它“把这张笔记转成文字”。文字识别(OCR)同样属于计算机视觉的工作范畴。