湯曉鷗縱論商湯AR：AI驅(qū)動發(fā)力已超3年，落地多個場景

乾明 發(fā)自 友誼賓館

量子位 報道 | 公眾號 QbitAI

商湯AR，AI驅(qū)動，已經(jīng)落地多個場景。

剛剛，在IEEE支持舉辦的2019國際混合與增強現(xiàn)實研討會（ISMAR 2019）在北京召開。

商湯科技創(chuàng)始人、香港中文大學教授湯曉鷗對外披露商湯最新AR研究進展與布局。

而且，不僅僅只是秀肌肉。他還進一步介紹了當前AR在各大領(lǐng)域遇到的挑戰(zhàn)，以及相應的解決辦法和核心技術(shù)。

在他看來，AR正當時：

今天的AI技術(shù)已經(jīng)能讓我們更好地理解這個現(xiàn)實世界，而AR技術(shù)可以將現(xiàn)實世界和虛擬世界無縫融合起來。

不僅僅只是他有這樣的感受。

當前蘋果、谷歌，都在重兵囤下AR生態(tài)開發(fā)。高通等基礎(chǔ)算力提供方，也認為5G正在加速新計算平臺的到來——且認為是AR。

商湯也已經(jīng)布局多年，湯曉鷗說：

近年來將AI和AR技術(shù)深度融合到產(chǎn)品的研發(fā)中，有效擴展了AR應用的想象空間。

那么，作為中國估值最高的AI公司，商湯到底是如何布局的？

又有哪些核心技術(shù)與亮點？一起來看看~

湯曉鷗縱論AR

湯老師的演講主題，是AI+AR: Magic in the AIR。

簡單開場之后，就直接切入了正題——AI如何+AR？

在他看來，AR是一種在現(xiàn)實生活場景中無縫整合虛擬物體或信息的技術(shù)。

與傳統(tǒng)的文本、圖片和視頻相比，能夠更有效、直觀地提供信息。

AI技術(shù)，能夠?qū)F(xiàn)實世界的信號作為輸入，來實現(xiàn)場景感知、語音交互、圖像識別、人臉檢測、情感認知等任務，現(xiàn)在已經(jīng)成熟。

再加上大數(shù)據(jù)、云計算和5G等技術(shù)的發(fā)展落地，就形成了基礎(chǔ)技術(shù)框架。

AR正是這一基礎(chǔ)框架的應用，也是這些技術(shù)的直接落腳點。

現(xiàn)在，伴隨著這些技術(shù)的成熟和落地，AR也開始進入我們的生活，從黑科技向日常應用轉(zhuǎn)變。

和之前大多數(shù)湯老師發(fā)言不同，這次演講才剛剛開始，他就祭出了自己鐘愛的電影《花樣年華》，直觀地展示了AR+AI帶來的“神奇魔法”，也引起現(xiàn)場一片驚呼。

接下來，AR化妝是湯曉鷗在演講中提到的第一個場景。

這一場景中，最核心的如何捕捉面部特征。

他說，在人臉識別、3D人臉重建和人臉編輯等許多人臉應用中，這是至關(guān)重要的一步。

自然挑戰(zhàn)也有不少。比如沒有足夠的特征點、缺乏精確的數(shù)據(jù)、在遮擋、運動模糊等情況下很難預測等等。

對于這些挑戰(zhàn)，湯老師也都介紹了相應的解決思路：

可以通過虹膜輪廓特征點和耳朵特征點，來補充特征點。

至于缺乏數(shù)據(jù)以及遮擋、運動模糊等情況，可以用半監(jiān)督框架、結(jié)構(gòu)感知的去模糊網(wǎng)絡(luò)等方式來解決。

之后是AR導航，這也是AR落地非常難的一個場景。

湯老師說，傳統(tǒng)的導航方案，比如GPS以及WiFi、藍牙等雖然普及，但都存在各種各樣的缺點。

比如誤差大于10米、室內(nèi)無法用（GPS）；硬件成本貴、需要附加部署等（WiFi、藍牙）。

相比之下，視覺解決方案有不少優(yōu)點，成本低，而且精度高，效果也比較直觀等等。

但也有挑戰(zhàn)，比如很難應對缺乏視覺特征、環(huán)境變化的情況，以及需要繁重的計算等。

不過，這并沒有阻攔AR導航成為一種新風向。

在基于學習的視覺特征、云端協(xié)作、同時定位與地圖構(gòu)建（SLAM）等技術(shù)的基礎(chǔ)上，稀疏地圖重建、密集地圖重建和視覺定位等相關(guān)應用愈發(fā)成熟。

然后是AR數(shù)字人，這也是近年來最為熱門的AR應用之一。

簡單來說，AR數(shù)字人就是利用AI技術(shù)來驅(qū)動數(shù)字智能體說話與行動。

當想要讓它變得實用，還有不少挑戰(zhàn)，比如音頻到3D映射非常困難、如何保持連貫性等等。

湯老師同樣也給出了相應的思路，采用跨模態(tài)機器學習、連續(xù)的時間序列建模等方法，能夠比較好的解決這些問題。

商湯也已經(jīng)交付了相應的解決方案——SenseAR Avatar。

湯老師說，借助弱監(jiān)督學習、基于視圖合成的幾何感知表示、基于圖像的排序預測等技術(shù)，可以有效地完成的動作捕捉、3D動作恢復以及的動作傳遞。

接下來是AR游戲，背后的關(guān)鍵技術(shù)也是同時定位與地圖構(gòu)建（SLAM）。

與當前大多數(shù)AR游戲不同，商湯發(fā)力的是移動端上的多人AR游戲，這也帶來了新的挑戰(zhàn)——怎么讓多個用戶都能參與進來。

湯老師說，想要實現(xiàn)這一點并不容易。不僅要在充滿挑戰(zhàn)性的環(huán)境中保持穩(wěn)定，還要考慮到大規(guī)模場景中移動設(shè)備的性能。

作為AR中的關(guān)鍵技術(shù)，商湯在SLAM上也投入了大量的資源，而且與當前的傳統(tǒng)方案相比，不僅效率更高，而且也更加穩(wěn)定。

他也給出了相應的數(shù)據(jù)，在支撐多人AR游戲的時候，定位時間少于1秒。

湯老師談到的最后一個場景，是AR尺子&AR家居

這也是SLAM技術(shù)應用落地的重要方向，但這個方向?qū)鹊囊髽O高。

湯老師說，商湯的RGBD-SLAM技術(shù)能夠在計算資源有限的情況下，支持長距離測量，而且平均測量誤差為2.60%。

在AR家居場景中，借助RGB攝像頭與IMU的緊密耦合，將分級誤差控制在3%，并且能夠進行穩(wěn)定追蹤。

雖然這些場景，已經(jīng)覆蓋了大家生活中的許多方面。

但這些并不是僅僅只是“Magic in the AIR”的開端，在他看來，AI+AR還要更多的可能性。

可以設(shè)想一下，物理世界大規(guī)模3D數(shù)字化、人類行為數(shù)字化之后，會發(fā)生什么？

商湯發(fā)力AR已三年，邊界正擴張

湯老師今天所展現(xiàn)的，并不僅僅只是學術(shù)研究，而是商湯實踐多年的經(jīng)驗總結(jié)。

2016年，AR游戲Pokemon GO風靡全球，進一步引爆AR應用潮流。

在這一年，商湯就已經(jīng)開始發(fā)力AR，將AI技術(shù)應用到AR產(chǎn)品的研究和開發(fā)之中，打造出了SenseAR特效引擎。具體的發(fā)展思路和當初發(fā)力AI技術(shù)一樣，也是“產(chǎn)學研”相結(jié)合。

一方面，與浙江大學共建“浙江大學-商湯三維視覺聯(lián)合實驗室”，重點研究SLAM和三維重建等方向，另一方面推動學術(shù)和產(chǎn)業(yè)界共同成立了“中國增強現(xiàn)實核心技術(shù)產(chǎn)業(yè)聯(lián)盟”。

與此同時，相應AR產(chǎn)品也陸續(xù)問世。2018年，商湯AI峰會上SenseAR特效引擎和SenseAR開發(fā)者平臺率先登場，迎來新一輪能力升級。

之后，商湯眾多AR應用也相繼落地，比如AR美顏、AR貼紙?zhí)匦У鹊龋_始被業(yè)內(nèi)各大公司采用，比如OPPO等。

今年5月15日，2019年商湯AI峰會舉辦。AR領(lǐng)域壓軸出場，對SenseAR 特效引擎和SenseAR平臺都進行了大幅度升級。

尤其是后者，增加了SenseAR Glass眼鏡平臺、SenseAR Cloud云平臺等功能。在打破云端界限、結(jié)合虛擬與現(xiàn)實世界、完成空間內(nèi)的多人共享、 虛擬信息持久化等方面向前邁出了一大步。

此外，還有SenseAR Avatar。商湯介紹稱，這是當前市場上首個可以實現(xiàn)照片生成和真人驅(qū)動的AR產(chǎn)品，能夠利用3D渲染對用戶面部進行重建，從而建立一個實時的虛擬形象。

從技術(shù)、應用、平臺等各個方面來看，商湯的AR已然形成相應規(guī)模，已經(jīng)與谷歌和蘋果一起，成為市場上主要的AR平臺供應商之一。

而在本次ISMAR 2019大會上，商湯方面并不只是僅僅有湯老師演講，還展示了一系列創(chuàng)新的AR應用。

活動中，商湯帶來了可實現(xiàn)室內(nèi)外定位和AR導航的“SenseAR高精定位和內(nèi)容增強解決方案”。

并贊助了專為AR應用設(shè)計的SLAM競賽，基于商湯科技與浙江大學聯(lián)合發(fā)布的測試數(shù)據(jù)集，來全面地評估SLAM系統(tǒng)在AR應用下的性能。

從整體上來看，這不僅僅是商湯AR的進一步展示，也是其加碼AR領(lǐng)域的決心顯現(xiàn)。

在湯老師演講的最后，他也給出了對AR未來的展望。

AI+AR的未來，就是要實現(xiàn)數(shù)字世界和物理世界的無縫融合，能夠更聰明、更深入地了解人們生活和工作的方方面面。

這個時候，Magic in the AIR也必然到來。

但到了這個時候，這也就不是Magic in the AIR，而是Oxygen in the AIR了。

你覺得呢？