官方网站-首页
首页
品牌
概况
企业文化
荣誉奖项
技术能力
AI人工智能
大数据
资讯
动态
行业资讯
案例
典型案例
合作伙伴
联系我们
首页
品牌
概况
企业文化
荣誉奖项
技术能力
AI人工智能
大数据
资讯
动态
行业资讯
案例
典型案例
合作伙伴
联系我们
动态
行业资讯
动态
动态
行业资讯
动态
dynamic
让具身数据可规模采集，让具身视觉更贴近人眼，奥比中光WRC发布两大系列新品
2026-08-20
8月19日，2026世界机器人大会（WRC）于北京开幕，奥比中光举办「多维感知」新品发布会，无本体数据采集硬件矩阵首次集中亮相，机器人视觉Physis系列新品正式对外发布。展会现场依托十余年机器人与AI视觉技术积淀，奥比中光进一步布局物理AI两大基础设施：一端打造全模态无本体数据采集平台，构筑具身数据硬件基座，助力高质量真实交互数据高效用于模型训练与机器人验证；另一端推出Physis系列，为具身智
more
数据瓶颈下的视觉系统优化：从“没有更多数据了”到精准效能突破
2026-08-20
数据边界与视觉系统的效能悖论很多人以为，视觉系统的性能提升完全依赖数据规模的指数级增长。这种认知在工业检测、自动驾驶等场景中尤为普遍——当模型在验证集上的准确率停滞于92%时，工程师的第一反应往往是“需要更多标注数据”。其实不然，在特定约束条件下，数据利用效率的优化往往比单纯追求数据量更具战略价值。数据枯竭的底层逻辑：从采集到标注的隐性成本以某头部新能源汽车厂商的ADAS系统开发为例，其2023年
more
数据边界：当视觉系统遭遇「没有更多数据了」的临界点
2026-08-20
数据池的物理极限与算法容错悖论很多人以为，计算机视觉系统的性能提升仅依赖数据规模的线性增长，其实不然。当数据获取通道因硬件传感器物理限制、标注成本指数级上升或隐私合规性约束而突然中断时，系统会暴露出三个致命缺陷：特征分布的离散化坍缩、上下文关联的断层式断裂、以及泛化能力的指数衰减。这种状态在工业界被称为「数据池枯竭危机」，其底层逻辑是深度学习模型对连续性数据流的强依赖假设与现实场景中数据获取的非连
more
数据边界：当视觉系统遭遇「没有更多数据了」的临界态
2026-08-20
数据耗竭场景下的视觉算法失效模式与工程化应对很多人以为，计算机视觉系统的性能衰减必然遵循线性规律——输入数据量减少10%，模型精度同步下降X%。其实不然，在真实工业场景中，数据耗竭往往触发非线性失效机制，其底层逻辑是特征空间坍缩与决策边界退化。以2023年德国纽伦堡工业视觉检测大赛为例，某参赛团队使用YOLOv8架构构建的PCB缺陷检测系统，在训练集覆盖98%缺陷类型时，测试集F1-score达0
more
突破视觉大模型瓶颈，新型智能视觉芯片将光信号直接转译为词元
2026-08-20
来源：科技日报科技日报记者 金凤如何高效、低功耗地完成视觉信息的同步获取与词元化，是当前物理人工智能（AI）硬件领域亟需解决的关键难题。近日，南京大学教授缪峰、梁世军团队联合新加坡国立大学团队，在国际上率先研制出能够直接将光转换为词元的超低功耗新型智能视觉传感器芯片“光语芯”。该芯片生成的词元可直接输入编码器，实现图像识别。相关研究成果19日在线发表于国际学术期刊《自然·传感》。复杂环境下物理AI
more
一场由算法、数据与光影组成的视觉展览
2026-08-20
从8月18日开始，走进上海海派艺术馆一楼“智汇·艺境”2026上海科技艺术作品展的展厅，迎面而来的并非传统的画布与颜料，而是呈现了一场由算法、数据与光影共同编织的视觉奇观。这场展览是上海市美术家协会首次举办的以科技艺术为主题的专项展览，汇聚了56件科技艺术作品，涵盖AI生成、交互装置、XR扩展现实、数字影像等十余种媒介，是探索科技与艺术深度融合创作道路上阶段性成果的一次集中展示。在数字技术高速发展
more
数据边界：当视觉系统遭遇「无更多数据」的底层逻辑
2026-08-20
数据断层：视觉任务的不可逆失效点很多人以为视觉系统的性能衰减是渐进的，其实不然——当底层数据池触及「没有更多数据了」的硬边界时，系统会触发不可逆的认知退化。这不是理论假设，而是我们在为某国际物流巨头部署智能分拣系统时遭遇的真实困境：当摄像头覆盖的3000平方米仓储区域中，特定角度的包裹堆叠模式在训练集中仅出现17次时，系统的误检率在第七次迭代后突然飙升300%。数据饥渴的底层逻辑：视觉模型的参数空
more
人形机器人进厂、AI视觉把关：探秘电梯行业的“国家级智能工厂”
2026-08-19
新快报讯8月18日，在2026年“全国品质月”期间，广东省质量协会联合日立电梯在广州举办品质开放日活动。在超长期特别国债支持老旧电梯更新及“好房子”建设周期的双重驱动下，日立电梯首次系统性公开从“材料溯源”到“制造验证”的品质全链条，展示了电梯行业向高质量转型的最新实践。 随着国家及地方政策密集落地，电梯安全与品质配置已从住宅配套的“加分项”转变为城市人居建设的“硬指标”。目前，全国已累计安
more
双流卷积网络：当深度学习第一次学会"看"视频里的动作
2026-08-19
（来源：科技行者） 2014年秋天，深度学习圈子里有一件事让很多人挠头。 两年前，AlexNet 在图像识别比赛上一鸣惊人,把传统的手工特征方法打得溃不成军,深度学习一夜之间成了计算机视觉的新宠。可奇怪的是,同样的深度学习方法,一旦从静态图片换成视频,去识别视频里的人在做什么动作,就完全不灵了。 当时最好的深度学习模型,在一个叫 UCF-101 的动作识别数据集上,准确率只能做到65%左
more
视频里的动作，AI是靠"看图"还是"看动"认出来的？
2026-08-19
（来源：科技行者） 2014年，如果你问计算机视觉领域的研究者一个问题：给你一段视频，让机器判断视频里的人在"打网球"还是"拉小提琴"，深度学习和手工设计的特征相比，谁更强？ 大多数人会告诉你，深度学习赢不了。 这句话放在今天听起来有点不可思议,毕竟深度学习早就统治了图像识别。但在动作识别这个具体问题上,情况完全不同。当时最厉害的方法叫**密集轨迹** > 密集轨迹：一种手工设计
more
数据边界：计算机视觉中的误差阈值与系统鲁棒性
2026-08-19
数据边界：计算机视觉中的误差阈值与系统鲁棒性很多人以为，计算机视觉系统的性能提升仅依赖于数据量的无限堆砌。其实不然，当数据量达到某一临界点后，系统误差的收敛速度会因维度灾难（Curse of Dimensionality）而显著下降。这一现象在工业检测场景中尤为明显——某汽车零部件厂商曾尝试通过增加10倍训练数据来优化缺陷检测模型，结果模型在测试集上的F1分数仅提升0.3%，而推理延迟却增加了40
more
数据边界：当模型训练遭遇“没有更多数据了”的临界点
2026-08-19
数据枯竭：计算机视觉领域的隐形天花板很多人以为，计算机视觉模型的性能提升完全依赖数据规模的指数级增长。其实不然，当数据量突破某个临界值后，模型会陷入“数据饱和陷阱”——新增数据带来的边际收益趋近于零，甚至因数据分布偏差导致性能退化。这一现象在工业检测、自动驾驶等高精度场景尤为显著，底层逻辑是：当训练集覆盖的样本空间超过实际场景的复杂度阈值时，模型会开始拟合噪声而非真实特征。案例：2023年德国纽伦
more
<
28
29
30
31
32
33
34
>
为了您更好的体验，请竖屏浏览。
在线留言
Feedback
官方网站-首页
