沒收到驗證郵件？請確認郵箱是否正確或 重新發(fā)送郵件
高通公司多媒體研發(fā)高級工程總監(jiān)Ananth Kandhadai
沉浸式體驗的新時代已經來臨，這在很大程度上得益于計算機視覺技術的引領。無論是模糊用戶背景的虛擬呼叫，還是在公路上成功實現(xiàn)自動駕駛的汽車，計算機視覺技術的進步正在變革人們的生活方式。
二十多年來，高通公司多媒體研發(fā)高級工程總監(jiān)Ananth Kandhadai一直是發(fā)明各類計算機視覺和人工智能技術的領軍人物。自1996年加入公司以來，Ananth的研究領域包括語音編碼、圖像處理、深度學習、視覺硬件加速、功率約束的系統(tǒng)設計，以及增強現(xiàn)實/虛擬現(xiàn)實(AR/VR)系統(tǒng)解決方案。目前，他領導著一個工程師團隊，專注于研發(fā)面向擴展現(xiàn)實（XR）應用的計算機視覺和攝像系統(tǒng)。
Ananth來自印度，在卡利卡特國立技術學院獲得電子工程學士學位后，他前往美國，并在弗吉尼亞理工大學獲得了電子工程碩士學位。在那之后，他面臨著一個選擇：繼續(xù)深造并攻讀博士學位，或者在高通開始他的工程師生涯。他選擇了高通，并開始了對移動語音編碼和標準化的研究。Ananth認為他做出了正確的決定，并表示與選擇學術界相比，他在高通學到更多，成長得更快。
多年來，由Ananth引領的一些創(chuàng)新性發(fā)明包括：使智能手機攝像頭能夠基于用戶的環(huán)境變化來啟動應用程序，以及在語音編碼和圖像與信號處理領域的大量工作。如果沒有Ananth的技術突破，我們可能無法享有目前的一些智能終端和豐富的多媒體體驗。
近期我們與Ananth進行了深入交流，談到了他在加入高通技術公司后，在信號處理和計算機視覺交叉領域的杰出職業(yè)生涯。
在加入高通的25年里，您主要研究哪些技術？
我在高通的一半以上的時間都在從事語音編碼和標準化領域的工作——總體來說，就是面向手機的語音壓縮技術。蜂窩和衛(wèi)星通信是我從1996年起就開始從事的工作，后來我轉向了研究圖像處理和計算機視覺。
長期以來我一直將信號處理作為核心研究領域，將其應用于語音編碼、語音壓縮和語音處理。之后，我轉向了影像處理和計算機視覺領域。目前，我正在研究面向XR和一些其他顯示和渲染方面的特定計算機視覺應用。
我的工作變動也反映了高通公司的發(fā)展歷程。在我剛加入工作時，無線手機用戶數(shù)量要少很多，所以那段時間我長期參與系統(tǒng)擴容。當用戶數(shù)量提升之后，我們逐漸開始新的布局，于是我們說：“好吧，讓我們來增加一些拍照手機?！比绻氵€記得早期那些翻蓋手機，應該有印象，它們的攝像頭很小。大家最初看到拍照手機爆發(fā)式增長的時候，我正在從事相關工作，遇到過許多不同的技術挑戰(zhàn)。
幾年后，當那些攝像頭需要變得更智能時，我就專注于運用計算機視覺——一種使計算機能夠檢測現(xiàn)實世界中的物體，并對其做出反應的功能。隨著我們邁入應用計算機視覺的新世界，我就轉而研究未來可用于XR（擴展現(xiàn)實）應用的技術。我專注研究的技術領域與高通的技術重點同步轉換，這并非巧合。
對于那些可能不太了解計算機視覺的人，您能通俗地解釋一下它是什么以及為何重要嗎？
試想一下人們佩戴眼鏡——比如矯正鏡片，每個人都了解矯正鏡片。人們佩戴它，是為了更清晰地觀察世界，對吧？簡單來說，人們在頭上佩戴某些東西是為了更好地觀察和感知世界——在某種程度上，這增強或擴展了現(xiàn)實世界。
計算機視覺是一種數(shù)字化方式，用于感知、記錄和理解單個攝像頭或一系列攝像頭所生成的可視數(shù)據。比如，找到人眼自然識別的模式，或是太微妙、甚至人眼無法察覺的數(shù)據模式。無論是自動駕駛汽車的障礙識別功能，還是在虛擬通話中區(qū)分前景背景的功能，從根本上來說，它都是通過創(chuàng)建用計算機解釋可視數(shù)據的方法來實現(xiàn)的。
隨著終端變得更加智能，它需要自動分析出這些模式。終端需要像一個數(shù)字化的助理一樣，感知用戶及其周圍環(huán)境。此類自動感知技術要求終端具備智能計算機視覺功能——幾乎像第三只眼睛一樣，來提供無縫用戶體驗。這就是計算機視覺對所有不同的應用都至關重要的原因。
在研究應用計算機視覺的過程中，您遇到過哪些技術挑戰(zhàn)？您是如何努力應對挑戰(zhàn)的？
人們可能會說：“哦，這就好像多了一雙眼睛”。但是眼睛本身很容易復制——它只是光的接收裝置。難點在于復制眼睛后面處理信息的大腦。大腦是神經科學和意識的經典研究領域，人們如何感知現(xiàn)實這個問題甚至尚未被完全了解。但這正是我們試圖在機器上復制的東西。在不經歷數(shù)百萬年進化的情況下，研究與人類頭腦具有相同可靠性水平的終端，這是第一個挑戰(zhàn)。
高通正在解決的最重要的問題是，當在用戶在頭上佩戴XR終端這樣的設備時，需要保證設備是輕便的，不能過熱，它的功耗也必須非常低。這意味著不能只用大量算力和內存來解決計算機視覺和感知等方面的難題。終端必須足夠輕便和涼爽，才能使用戶舒適地將其佩戴于頭部，這歸根結底涉及到功耗效率的創(chuàng)新。
功耗和計算復雜性總是彼此沖突，但可用性要求二者針對不同的消費終端外形進行同步優(yōu)化。
計算機視覺在不同應用中有何不同，比如汽車駕駛輔助、無人機、機器人和XR？
本質上講，這些不同的應用在所處理的基本任務上是相似的。例如，了解XR終端用戶的頭部位置或攝像頭的位置，與汽車在自動駕駛時需要了解周圍環(huán)境，或無人機在自動駕駛模式下跟蹤物體都非常相似。以上所有產品的攝像頭和視覺系統(tǒng)都需要明確終端周圍的實際情況。因此，將人工智能（AI）技術用于物體檢測、3D重建、地圖構建、物體識別、頭部追蹤和眼動跟蹤等不同用例，從概念上看都非常相似。無人機用例略有不同，因為在物理上操控者已經脫離機器本身，機器中沒有人。
然而，這里還存在著其他方面的因素，導致計算機視覺對各個用例來說都有本質的不同。這就是為什么很難拿出一個萬能的解決方案。可以打個比方，你可以說人類、獵豹和花豹都有四肢和嘴，都是肉食性動物。它們是有相似性的，但又有著需要針對各自不同的環(huán)境和情況進行的不同優(yōu)化。
汽車上有牢固安裝的攝像頭，其技術重點是影像的穩(wěn)定性。汽車通常只在路面上行駛，但它們行駛的速度很快。最重要的是，汽車計算機視覺中，錯誤的代價在車上更具災難性。這讓該項技術變得很難，但也更具可預測性。
相比之下，把一組類似的攝像頭放在用戶頭上就不一樣了：用戶可能身處任何地方，不斷地以不可預測的模式移動頭部，這讓頭部攝像頭看到的場景比車載攝像頭看到的更加難以預測。在這個意義上，XR頭顯和汽車計算機視覺系統(tǒng)提出的假設有些許不同?；炯夹g保持不變，但它們的工程設計方式使其成為完全不同的問題。
而最終，盡管我們解決問題的方法可能截然不同，但當涉及到我們芯片組的實際架構變化時，這些不同領域之間其實存在著許多協(xié)同效應。我們常常發(fā)現(xiàn)，在架構層面針對一個用例所做的決定，最終會有助于實現(xiàn)另一個用例。
高通如何支持您的工作，公司通過什么方式幫助您創(chuàng)造這些計算機視覺技術？
我很幸運能在高通工作，因為我們在連接、應用處理器和智能手機平臺方面有成熟的業(yè)務。這使我們處于一個有利位置，讓我的團隊能夠專注于計算機視覺的技術層面，比如感知和渲染，從而建立有效方式，讓客戶和最終用戶獲得這些技術功能。
高通還與計算機視覺相關領域的主要行業(yè)領導者保持著良好的關系，這有助于我們在努力解決的根本性問題上保持一致。我能夠解決很多問題，但其中的大量問題可能不是實際問題。圍繞實際問題進行協(xié)作、制定規(guī)范是很重要的，而與其他公司保持良好關系有助于我們做到這些。
總體而言，高通積極地推動我們團隊提出的解決方案。公司會采用相關解決方案，尋找方法將其轉化為商機，這需要解決方案的路線圖，并且有助于使我們的產品與其他公司形成差異化。同樣地，業(yè)務團隊會給我們帶來一些挑戰(zhàn)。他們與客戶交流獲取市場需求，然后給我們時間去思考和實現(xiàn)這些需求。尤其對于XR這樣的應用，它的業(yè)務規(guī)模還無法與智能手機相比。但高通有著長期愿景，并且鼓勵我們去實現(xiàn)。這使我們能夠專注于技術，而不是僅僅試圖弄清這些技術如何實現(xiàn)商業(yè)化。
最后，高通有許多團隊致力于從各個方面研究和設計行業(yè)領先的系統(tǒng)級芯片（SoC），這讓我們能夠與公司其他部門的不同團隊合作，來分享和利用在其他情況下很難獲取的知識。公司的流程允許我們向其他團隊提供建議，并在不同應用中根據不同目的使用他們的工作成果，而協(xié)作是這個流程中必須的。結果證明，這樣的協(xié)作大有裨益。
對于希望在語音識別或計算機視覺技術領域開展職業(yè)生涯的年輕發(fā)明家（他們或許還在上學），您會給他們什么建議？
根據我自己的經驗，我建議將發(fā)明看作是解決現(xiàn)實問題的附帶結果。專注于解決難題，并且相信那些難題將把你引向創(chuàng)新性的解決方案。如果你發(fā)現(xiàn)了其他人尚未解決的問題，我認為這就值得你花時間去解決。雖然會有風險，人們沒能解決它可能是有原因的，但這些問題通常是值得去研究的。很可能會有貪多嚼不爛的問題，但我認為這不值得擔憂。持續(xù)不斷地去調整和改進就好了，永遠不要低估自己的想象力和創(chuàng)造力。某個問題沒有被解決并不能說明什么——或許它恰好就在等待你去研究。研究任何事物都需要新視角，尤其是那些“尚未解決”的問題。
歸根結底，重要的是去正確地解決問題——不必專注于尋找華而不實或另辟蹊徑的解決方案。根據我的經驗，創(chuàng)新很有可能來自于解決那些難題。在我們申請專利時，這個原則也很有用。專利部門會評估一項技術的創(chuàng)新性和影響力，也會參考其新穎性和實用性。所有這些評估專利是否有用的指標，都以你要解決的問題為基礎。
來源：IPRdaily中文網（iprdaily.cn）
編輯：IPRdaily王穎 校對：IPRdaily縱橫君
與光同行！2021年中國“40位40歲以下企業(yè)知識產權精英”榜單揭曉
如何抓住涉外商標業(yè)務的機遇？涉外商標代理高研班【廣州站】來啦！
「關于IPRdaily」
IPRdaily是全球領先的知識產權綜合信息服務提供商，致力于連接全球知識產權與科技創(chuàng)新人才。匯聚了來自于中國、美國、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區(qū)的高科技公司及成長型科技企業(yè)的管理者及科技研發(fā)或知識產權負責人，還有來自政府、律師及代理事務所、研發(fā)或服務機構的全球近100萬用戶（國內70余萬+海外近30萬），2019年全年全網頁面瀏覽量已經突破過億次傳播。
（英文官網：iprdaily.com 中文官網：iprdaily.cn）
本文來自IPRdaily中文網（iprdaily.cn）并經IPRdaily.cn中文網編輯。轉載此文章須經權利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉載，請注明出處：“http://islanderfriend.com
共發(fā)表文章1873篇文章不錯，犒勞下辛苦的作者吧
- 我也說兩句
- 還可以輸入140個字
