人工智能（AI）的计算机视觉领域使计算机和系统能够从数码照片、视频和其他视觉输入中提取有用信息，并根据这些信息采取行动或提出建议。如果说人工智能让计算机能够思考，那么计算机视觉则让计算机能够观看、观察和理解。
探索 2024 年计算机视觉的五大趋势
1. 生成式人工智能
生成式人工智能并不是只对已有的数据进行评估或采取行动，而是可以生成新鲜而独特的材料。一个著名的文本生成信息工具是 ChatGPT；DALL-E 经常被用来根据文本提示生成栩栩如生的图像和艺术品。2022 年，深度学习文本到图像模型 Stable Diffusion 问世，为多家人工智能图片制作商之间的竞争提供了帮助。
著名的图像创建软件 Lensa AI 利用人工智能从照片中创建个性化肖像。Lensa AI 将用户提供的照片与稳定扩散神经网络相结合，制作出高质量的数字肖像。它甚至可以模仿某些画家的风格。Lensa AI 的 “入画 ”和 “出画 ”特性可通过深度学习模型加以利用。在全面掌握用户的面部特征、种族背景等信息后，它可以为照片 “入画 ”新版本。
2. 以数据为中心的人工智能
人工智能既包括以模型为中心的系统，也包括以数据为中心的系统。后者通过增强或改变数据集来提高模型的性能。以模型为中心的人工智能涉及更新算法，同时保持输入的数量和种类。固定模型近来很受欢迎；不过，选择最优秀的架构模型需要时间和精力。以模型为中心的策略最近很受欢迎，但也因局限于消费平台而招致批评。在考虑以数据为中心的策略时，您应该记住它必须是程序化的。程序化的数据迭代和标注方法将有助于处理大量的训练数据。
3. 增强现实
增强现实技术将实际环境与计算机生成的材料相结合，提供了一种互动体验。例如，它可以通过手机访问，同时改善物理世界和数字世界。混合现实技术与增强现实技术非常相似，因为它不会把你排除在周围环境之外，而是通过读取周围环境来添加数字材料。你需要戴上耳机才能享受它，就像虚拟现实一样。计算机视觉和增强现实技术的结合可以带来一些有趣的进步。增强现实系统的几何定位是通过同步定位和绘图（SLAM）实现的。利用摄像头的位置和定位可以生成周围环境的三维地图。
4. 面部识别
为了将人的脸与视频剪辑帧或数字图像相匹配，面部识别系统会从数据库中扫描并检测出这个人的脸。它使用人工智能系统识别照片中的面部特征，并与数据库中的其他图像进行比较。例如，2024 年，我们可能会看到越来越多的技术被应用于医疗保健领域。通过自动扫描病人的脸部并检索其保险和医疗信息，人脸识别技术可以加快医疗专业人员的日常工作。此外，这项技术还能帮助诊断症状难以察觉的病症。Face2Gene 由 FDNA 创建，是 “Yellow Brick Road 项目 ”的一部分，该项目旨在通过协助医生使用人脸分析工具来诊断病人，从而加快改善病人的医疗状况。
5. 3D 模型
这需要人工对不完整的三维视图和机械数据进行对齐，因此创建 3D 模型 可能比较困难。利用计算机视觉和人工智能算法，可以拍摄某个地点的多张立体配对照片，并自动创建几何正确、照片逼真的数字 3D 模型。这些三维模型可以通过计算机视觉从图片数据中创建，计算机视觉还可以对投射到一张或多张照片上的场景进行评估。有了这项技术，诸如确定变形程度和缺陷、区分变形或缺陷与颜色异常，甚至根据体积或容量确定合格/不合格等问题都可以迎刃而解。
