计算机视觉

Computer VisionCV入门必知

让计算机从图像和视频中提取有用信息、理解场景的学科。

计算机视觉研究怎样让计算机从单张图像或视频序列中自动提取、分析和理解信息，典型任务有图像分类、目标检测、分割、跟踪、位姿估计和三维重建。它起步于 20 世纪 60 年代末的人工智能实验室，1966 年还有人以为给计算机接上相机、让它「描述看到了什么」只需一个本科生暑期项目，结果这个问题研究了半个多世纪。深度学习兴起后，卷积网络、视觉 Transformer 以及 CLIP、DINOv2、SAM 这类视觉基础模型成为主流。具身智能里，相机是机器人获取外部信息的主要来源，VLA 的视觉编码器大多直接沿用计算机视觉领域预训练好的模型。