作者：謝嘉洵
電腦視覺（Computer Vision）是相當重要的技術領域，它讓電腦可以理解、計算圖像，進而發展出廣泛的應用，諸如自駕汽車、手機濾鏡等等，而AI的發展更是讓它突破局限。本場論壇邀請了三位AI領域的專家，共同探究Edge AI電腦視覺技術的發展現況與未來展望。
AI走向成熟，邁向落地應用
「在AI跟5G的加速之下，Edge AI就會有了更多的應用。」首位講師是Intel 策略聯盟經理Wendy Wu，她主張AI已經走向了成熟，是落地應用的時代了。在現代，有了AI跟5G的輔助下，Edge AI會有更多的發展，同樣的，也會有更多的商機值得我們去開發，值得開發者們持續的關注。
在演講中，Wendy亦舉例了許多Edge AI的應用範例，包括無人商店、無人產業的興起；AI輔助醫生進行診斷、分析等等的端點應用，證實AI正逐漸深入我們的生活周遭，和產業逐漸產生密切的關連。
Intel 策略聯盟經理Wendy Wu
此外，Intel本身也積極地跟合作夥伴們一起打造AI生態系，從產品的建構到落地的應用，共同擴展其中的廣度與價值。Wendy強調，Intel 提供的解決方案，由端到雲的開發都有完整的方案，可以即時的投入使用，快速的讓AI的應用落地，開發者不用糾結於該如何選配軟硬體，性能又該如何優化。她指出Intel不斷的開發Edeg AI相關的技術，都希望能夠與合作夥伴一同成長，從產品的開發到串連市場，一起突破產業中的各項問題。
AI資料收集難關，零樣本學習如何達成？
第二位講師是僑光科技大學的陳紀翰助理教授。他主要分享的是Edge AI的技術如何從概念走向應用，其關鍵在於構建從「遷移學習」（Transfer Learning）到「領域自適應」（Domain Adaptation），再到「零樣本學習」（Zero-shot Learning）的技術進化。
陳紀翰指出，Edge AI是AI應用走向市場化的必經之路，但想讓AIoT系統被廣泛使用，邊緣設備必須有能力處理源數據（Source Data）和目標數據（Target Data）之間的領域偏移（Domain Shift）問題，而「領域自適應」技術透過特徵（Feature）及對齊（Align）的作法來加以解決。
他以過去領導團隊參與的109年度AIGO競賽的得獎專案為例，說明如何運用AI視覺輔助電腦系統進行醫療診斷。現有的技術困難是現有資料集（如 COCO、MPII ）內的人體資料集難以標註脊椎，進而無法精準的判讀人體側面的照片是否有駝背、骨盆前傾的問題，正面照片則無法呈現脊椎側彎問題。所以陳紀翰帶領團隊自拍照片資料集並重新標注，再運用「遷移學習」演算法來實現體態問題的分析。
僑光科技大學陳紀翰助理教授
AI電腦視覺，「看見AI」
最後壓軸的講者是7StarLake總經理丁彥允。丁彥允認為，現在是自駕車發展的噴發期，AIoT改變了現有的遊戲規則，連接了自動駕駛的硬體、感測器等等，讓分散式的邊緣運算資料，透過5G或是未來6G的連結，來將資訊串連實現更高等級的自駕能力。
「實現自主功能需要各種複雜運算的過程，如何即時溝通與具備強大的運算功能，是自駕車真正能夠『自駕』的重要基礎。」丁彥允指出，在自駕車上安裝一個強大的邊緣運算HPC，能成為車體執行感知、人類視覺、輔助駕駛或停車等功能的運算中心，還能提供從0級到5級自駕資源和硬體加速器的可擴展性，並確保傳感器系統的靈活性。
因此，7StarLake不斷開發適合自動駕駛汽車的HPC，其中GPGPU AI Fusion HFP提供完整的圖像處理和驅動結構，可以同步處理各種視覺傳感數據、並為自動駕駛提供高性能的解決方案。
7StarLake總經理丁彥允
小結
近來不論在處理器、記憶體、AI開發環境及網路技術上都有重大突破，使得Edge AI的電腦視覺應用更落地，可以預見結合各類型感測資料與人工智慧的Edge高效能運算能力，將促成自駕車、精準醫療、交通科技執法、智慧工廠等不同領域的創新發展和解決方案，並帶給人們更加便利的生活。
（責任編輯：歐敏銓）
- 【從無到有造一艘船】看看全國盃Maker造船大賽的無窮創意！ - 2024/08/28
- 改變你的社群網路體驗：Meta AI助理機器人 - 2024/02/19
- 近期熱度正高的AI PC，是在夯什麼？ - 2024/01/03
.jpg)
.jpg)