热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

AI产品:见微知著,剖析AR测量的过去、现在、未来

导读:当你拿到一个需求,或者别人随口给你说了一个想法的时候,你需要顺着什么样的思路去深入了解呢?本文从AR测量产品入手&#x

导读:当你拿到一个需求,或者别人随口给你说了一个想法的时候,你需要顺着什么样的思路去深入了解呢?本文从AR测量产品入手,剖析思路的同时,也点名了AI产品目前的困境。希望AI产品随着业界的革新,能够迅速实用化、平民化,带来真正意义的价值。



01 背景

在智能手机产业不断革新的今天,手机摄像技术也迎来了全面的升级。基于RGB或TOF摄像头的智能手机使人机交互变得更加自然、有趣,也能实现更多AR场景的应用。

手机行业的标竿,苹果也在近几年陆续推出AR应用,以2018年秋季发布的iOS12 Measure功能为最成熟、有用的工具型应用,并且结合到现代人高度使用的智能手机。

对于行业内的其他公司,”测量工具”开启了一个AR的应用入口,也触发业内思考此类应用方向;包括OPPO、VIVO在内的国内手机厂商也紧随其后,分别发布基于TOF摄像头的测量,一时间市场欢呼一片,以为AR测量能够作为Killer Application,革新产业界,让一般的小白用户也感受到AR的魅力。


02 问题

但我们发现即使有苹果、谷歌这样的巨头在,也很少人知道AR测量的存在,让我们从头到尾来探究一下。


1. 现状

首先,一般情况下,我们会测什么?


  • 测长度
  • 测面积
  • 测体积

2. 目标物体

日常情况下,可以测量的物体呢?

笔记本的长宽、家具的参数、脚长、等


3. 功能点

那么,我们作出猜想,AR测量如果能真正意义上做出来,从点到面到体,功能可以为以下几种:


  • 锚点测量:可以得知两点间距离、角度等一系列数据
  • 面积测量:针对平面的长方形,可以迅速得知平面的长、宽、面积
  • 立方体测量:针对一般的规则、不规则的立方体,放在镜头下,都可以迅速得知长、宽、高、体积
  • 脚部测量:可以迅速测得一般人的脚长、脚宽、甚至分类足弓(高足弓、低足弓、正常足)

4. 行业情况

似乎可以做的事情有很多,往深想一些,这样的功能点,可能影响的行业:


  • 传统的米尺、卷尺制造业:针对一般的用户随手测,就可以基本上摒弃工具,一部手机走天下
  • 家具场景:用户可以迅速得知家庭空间如何,该买什么尺寸的家具
  • 机场行李箱场景:一般的航空公司针对用户的随身行李大小都有规定,那么用户在准备行李的时候就可以随手测得体积,避免超了规定
  • 买鞋场景:用户可以快速知道脚的长度,宽度;不仅免去了欧码美码之间转换的苦恼,而且可以迅速选择合适的鞋子(e.g.比如脚宽的人适合什么鞋子、扁平足适合什么鞋子等)

以上,如果真的做起来,可谓是AI赋能普通生活的一道利器;另外,想要影响大众,有一个前提条件,就是一定要是手机!最好是用户拿起手机就可以用;如果是专门的设备,就在一定程度上局限了受众。


5. 市场情况

我们梳理下,近几年来,市场上针对AR测量的产品


  • 华为:荣耀V20、P40 Pro
  • 三星:Note10+
  • 苹果:iPhone X及以上
  • OPPO:R17 Pro
  • VIVO:Nex系列

但是笔者发现从市场的反馈来看,AR测量的反响也收效甚微。可能看到这篇文章的都没几个知道此类功能的。

究其原因,我觉得有以下几点


  1. 市场需要时间接受:AR作为新的技术,从推出到市场接受,需要一定的时间,包括产品概念
  2. 硬件跟不上软件的发展:AR类产品,尤其是叠加了SLAM等非常耗费算力的模块,在使用一段时间后,会出现发烫、卡顿等现象,在手机设备上尤为严重
  3. 售价昂贵:能够搭载AR应用的设备,除了昂贵的AR眼镜之外,手机设备大多都是中高端的旗舰机了,与普罗大众有了距离感
  4. 产品的“刚需”程度不足:虽说AR测量能够在某些场景下替代米尺、卷尺等工具,但是现在社会上,好像我们使用这些工具的频次本身就不多;所以此类AI产品,被忽略,好像也是理所应当。
  5. 交互方式:用户还是不习惯透过手机看AR世界,『需要时刻用手举着手机』这一致命的缺点,『时刻用手举着手机』令用户体验“非常累”;
  6. 测量的准确度:AI产品的精准度,极度依赖“数据”,数据的广度和深度直接关系测量数据的精准度。但是用户所测的物体万千,不可能全部录入,所以精准度有限。

以上,当AR测量产品面世以来,未有AR的革新,苹果等巨头也放慢了步伐;针对一般用户,能走往何处,很难猜测,但是当身边实在没有米尺类工具的时候,手机里边的测量软件倒是可以用一用,缓解燃眉之急。

倒是垂直行业近几年来抓住这个风口,做了些设备,解决或者缓解了行业上的问题,引起了市场上的好评。


  • 测脚仪:设置三维扫描测脚仪,可以快速得知脚长、脚宽,便于购鞋
  • 以顺丰为代表的物流行业,推出设备,在快递员上门取件时,通过设备,可以直接得知包裹的体积,便于收费

03 AI产品

透过AR测量产品,我们再来聊下AI产品。


1. AI到底能解决什么问题?

目前AI界说的最多的两句话是


  • 推陈出新:基于AI产品,脑爆新思路,比如“人脸刷地铁”、“抖音的尬舞机”,新的产品带来新的生机
  • 降本增效:革新传统行业,借助AI工具,提高人工效率,降低成本

AR测量我认为是隶属于前者,是替代传统工具的AI产品。


2. AI产品目前的困境

(1)数据


  • 数据量匮乏:AI需要数据。有的公司训练模型时,需要大量的专有数据时,有时还甚至需要购买数据,而授权和维护API以访问第三方数据的成本也是非常昂贵的。
  • AI依赖数据,数据需要人工标注。例如,百度不得不雇佣数千名翻译人员来训练其中文翻译算法。
  • 算法准确度做不到100%时,就需要人类监督,也就是“人机回圈”:例如,Facebook雇佣了超过1.5万人来协助他们的内容审核算法。

(2)计算能力


  • AI依赖强大的计算平台,庞大的数据中心及芯片技术为人工智能提供基础计算环境,但是目前此项还正在发展中。

假以时日,如果以上问题能有所改善,那么以AR测量为代表的AI产品,可能就真的走进千家万户,起到真正的作用了。

以上,是笔者了解AR测量产品时的一些拙见,有任何问题可以一起讨论,希望各位不吝赐教。


推荐阅读
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • “你永远都不知道明天和‘公司的意外’哪个先来。”疫情期间,这是我们最战战兢兢的心情。但是显然,有些人体会不了。这份行业数据,让笔者“柠檬” ... [详细]
  • 解决Cydia数据库错误:could not open file /var/lib/dpkg/status 的方法
    本文介绍了解决iOS系统中Cydia数据库错误的方法。通过使用苹果电脑上的Impactor工具和NewTerm软件,以及ifunbox工具和终端命令,可以解决该问题。具体步骤包括下载所需工具、连接手机到电脑、安装NewTerm、下载ifunbox并注册Dropbox账号、下载并解压lib.zip文件、将lib文件夹拖入Books文件夹中,并将lib文件夹拷贝到/var/目录下。以上方法适用于已经越狱且出现Cydia数据库错误的iPhone手机。 ... [详细]
  • 本文由编程笔记#小编整理,主要介绍了关于数论相关的知识,包括数论的算法和百度百科的链接。文章还介绍了欧几里得算法、辗转相除法、gcd、lcm和扩展欧几里得算法的使用方法。此外,文章还提到了数论在求解不定方程、模线性方程和乘法逆元方面的应用。摘要长度:184字。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • macOS Big Sur全新设计大版本更新,10+个值得关注的新功能
    本文介绍了Apple发布的新一代操作系统macOS Big Sur,该系统采用全新的界面设计,包括图标、应用界面、程序坞和菜单栏等方面的变化。新系统还增加了通知中心、桌面小组件、强化的Safari浏览器以及隐私保护等多项功能。文章指出,macOS Big Sur的设计与iPadOS越来越接近,结合了去年iPadOS对鼠标的完善等功能。 ... [详细]
  • 本文介绍了互联网思维中的三个段子,涵盖了餐饮行业、淘品牌和创业企业的案例。通过这些案例,探讨了互联网思维的九大分类和十九条法则。其中包括雕爷牛腩餐厅的成功经验,三只松鼠淘品牌的包装策略以及一家创业企业的销售额增长情况。这些案例展示了互联网思维在不同领域的应用和成功之道。 ... [详细]
  • 本文介绍了iOS开发中检测和解决内存泄漏的方法,包括静态分析、使用instruments检查内存泄漏以及代码测试等。同时还介绍了最能挣钱的行业,包括互联网行业、娱乐行业、教育行业、智能行业和老年服务行业,并提供了选行业的技巧。 ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • 《数据结构》学习笔记3——串匹配算法性能评估
    本文主要讨论串匹配算法的性能评估,包括模式匹配、字符种类数量、算法复杂度等内容。通过借助C++中的头文件和库,可以实现对串的匹配操作。其中蛮力算法的复杂度为O(m*n),通过随机取出长度为m的子串作为模式P,在文本T中进行匹配,统计平均复杂度。对于成功和失败的匹配分别进行测试,分析其平均复杂度。详情请参考相关学习资源。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • Netty源代码分析服务器端启动ServerBootstrap初始化
    本文主要分析了Netty源代码中服务器端启动的过程,包括ServerBootstrap的初始化和相关参数的设置。通过分析NioEventLoopGroup、NioServerSocketChannel、ChannelOption.SO_BACKLOG等关键组件和选项的作用,深入理解Netty服务器端的启动过程。同时,还介绍了LoggingHandler的作用和使用方法,帮助读者更好地理解Netty源代码。 ... [详细]
author-avatar
phpxiaohui
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有