6月26日,CVPR(IEEE国际计算机视觉与模式识别会议)2016在拉斯维加斯开幕。国内计算机视觉领域的公司如百度、商汤科技、图森互联等都参会并发表论文。学界和业界的研究表明，计算机视觉已经发展到从模拟人类行为到辅助人类生活，再到帮助人类探索未知的阶段。

　　计算机将理解人类手势

　　如果给人类播放一段静音的《守望先锋》游戏战斗视频，即使是新手玩家也能根据画面想象出游戏的种种音效，甚至能够轻易依据某为英雄的动作反映出一句台词——“午时已到”，并对这些音效进行简单地模拟。

　　但对于计算机来说，这并非一件易事。在CVPR 2016会议现场，来自麻省理工学院(MIT)的研究人员就展示了一向“视频生成声音(Visually Indicated Sounds，VIS)”的技术。科学家向VIS输入包括46000种声音在内的1000段视频对其进行训练，并通过深度学习算法对声音进行解构，随后系统便会给静音视频配上一段它认为正确的音效。据研究人员现场介绍，计算机所模拟出的声音足以以假乱真，在此前的测试中便曾多次让人类信以为真。

　　能够正确理解人类手部动作，同样是人工智能感知世界的重要任务。人类可以轻易地判断“OK”或“竖起”大拇指等手势所代表的意义，但对于计算机视觉来说，这项任务仍然处于比较早期的阶段。

　　商汤科技高级研发工程师钱晨表示，手部姿态估计的难点，分为两部，第一部手掌整体的姿态;第二步是手指的姿态。因为手的外观和手指的姿态相关，在不知道手指的情况下，去估计手掌的姿态并不容易，近邻搜索的方法耗时太久。而普渡大学的DeepMind技术将深度学习和近邻搜索相结合，通过深度学习，将输入映射到低维向量和类别，快速地找出手掌的姿态参数，再通过类别差异回归算法来估计手指的姿态。手掌姿态估计比传统的直接回归精度提高很多。手部姿态估计作为整个手势研究的组成部分，在实时估计的前提下，精度越高，手部动作识别的技术距离实用会越来越近，应用场景也会越来越广，对VR、游戏产业大有裨益。

　　无人驾驶行业将迎来变革

　　辅助/自动驾驶可以算是当下学界与工业界结合非常紧密、成果实践性强、讨论热度极高的一个领域。在人工智能逐渐理解人类世界之后，辅助人类的日常生活，便成为了其“理所应当”的工作。

　　以色列知名公司MobileEye联合创始人Amnon Shashua认为，在2017年，高速自动续航功能将会普及，2018年到2020年，高速路上的自动驾驶将会普及，到2021年，部分都市区域会实现无人驾驶，而2023年，无人驾驶就能全部实现。

　　国内专门研究辅助驾驶的图森互联CTO侯晓迪认为，辅助驾驶、自动驾驶在中国和在欧美国家的现实差别很大，学界研究的相关技术均在一定程度上无法适用于中国的交通现状：在中国的驾驶场景中，司机不遵守交通规则的比例要远大于美国;道路线的整洁程度、道路标识是否清晰，甚至是否存在，中国城市修路频率次数繁多;中国道路的拥挤程度也不能很好地应用国外算法。目前图森互联自主研发的辅助驾驶技术可以高效理解国内城市路况并对路上的三轮车、电瓶车等特殊车种进行识别。