Search
#機器視覺 #飛時測距ToF #3D深度感測
【ToF 解析度不夠看？VGA CCD 規格帶你一窺堂奧！】
採用 VGA CCD 的飛時測距 (ToF) 攝影機模組，解析度是坊間 ToF 產品的四倍，能檢測與更小、更薄物體之間的距離，支援多重範圍偵測模式以提高量測精準度，影像偵測更細。
白皮書下載：
《開源 SDK 與 CV 演算法打造功能完備的深度感測模組》
https://www.analog.com/cn/landing-pages/002/apm-form/apm-tof-ap.html?ADICID=BNAD_AP-TA_P275801_504343531-311620708-6366906-156194539
#亞德諾ADI #AD-FXTOF1-EBZ
和面對面聊天沒兩樣！Google 展示次世代 3D 聊天系統 Project Starline
作者 Evan | 發布日期 2021 年 05 月 21 日 15:45 |
Google 正在開發次世代視訊聊天亭，能讓你所聊天的對象以 3D 形式出現在你面前。Google 18 日 I/O 開發者大會展示這個專案時表示，可透過身體移動甚至眼神交流，從不同角度打量聊天對象。
系統名為「Project Starline」，基本上是非常精緻複雜的視訊聊天裝置。採用多個攝影機和感測器從不同角度捕捉人的外觀和身形。然後將擷取內容拼接成 3D 模型，將模型即時廣播並呈現到聊天對象面前。Google 預覽展示 Starline 用於面對面視訊通話（而不是群組聊天），且對談雙方似乎都使用特殊專業化技術，所以彼此都覺得像面對面聊天。使用技術的人們描述說，眼前的人好像在同個房間裡。影片有人說：「她好像就在我面前。」
這系統很龐大，有一整個視訊聊天亭，並配有燈光、攝影機和一張可坐著聊天的長凳。Google 表示，依賴「客製化硬體和高度特殊專業化的設備」。視訊聊天亭包含十幾個不同深度感測器和一個 65 吋的「光場顯示器」（Light Field Display），讓人以 3D 形式呈現在對方眼前。過去十年，光場技術已出現在一些有前景的應用（如 Lytro 的光場相機，以及 Avegant 的 AR 光場顯示技術），但尚未普遍流行，因還無法清晰呈現 3D 人物影像。
這視訊聊天亭系統只有在 Google「幾個」辦公室提供，計劃今年稍晚與商業合作夥伴一起測試技術。Google 提到健康照護和媒體是想獲得使用體驗回饋的兩個產業。
人們持續依賴視訊聊天長達一整年之後，隨著各公司計畫未來會更勝以往依賴視訊會議，如今 Google 推出更栩栩如生真實影像的遠端會議承諾令人興奮。雖然目前 Google Project Starline 系統看起來不太可能出現在每個辦公室，更別說一般家庭，但意味至少朝著比我們慣用的模糊視訊通話要好的方向邁進。
影片：https://youtu.be/Q13CishCKXY
資料來源：https://technews.tw/2021/05/21/google-project-starline-next-gen-3d-video-chat-booth/
提供完善AI建模工具 陽明交大讓自駕車辨識更精準
訊息來源
https://www.digitimes.com.tw/iot/article.asp?cat=130&cat1=40&id=0000607775_SPR8I9Y662CLUO66K07LI
陽明交通大學電機學院副院長暨嵌入式人工智慧研究中心主任郭峻因。
嵌入式AI技術的應用漸廣，其中深度學習是目前最常用的演算法之一，此演算法需建立完整精確的訓練模型，推論(Inference)端才能順利發揮效益，在此次論壇中，陽明交通大學電機學院副院長暨嵌入式人工智慧研究中心主任郭峻因就以「嵌入式AI深度學習運算模型之建構與應用」為題，發表精采演說。
陽明交大的智慧視覺系統設計實驗室(NYCU iVS Lab)，聚焦於各種智慧視覺研究，自駕車也是其中一環。郭峻因表示，自駕車已成全球汽車與科技兩大產業的共同趨勢，NYCU iVS Lab在此領域的研究包括各種ADAS所需的功能與相關技術，在感測器部分，除了視覺感測器外，其研究內容也包括光達(LiDAR)。他指出，影像辨識目前是AI的主流發展方向，在車用領域，AI也可應用於LiDAR，進行物件偵測與分析。
對於AI的導入建議，他表示開發者必須先行掌握圖資與軟硬體核心技術，再進行AI建模，在此環節郭峻因特別強調，建模時必須採用定點而非浮點運算，方能符合自駕車系統需求。針對目前AI設計趨勢與挑戰，郭峻因則以近期的某電動車事故為例點出問題癥結。日前台灣高速公路發生一起車禍，駕駛人放手讓電動車行駛，電動車卻直接撞擊前方道路上一輛倒臥的貨櫃車，在一般正常狀態下，該品牌電動車可偵測前方車輛，過近就會自動剎車，但在這次事件中，AI無法辨識靜止且呈倒臥姿態的貨櫃車是否為車輛，再加上白色車身影響了其視覺判斷，最終釀成車禍。
從這次事件可以看出目前AI在自駕車上的幾個問題，像是攝影機無法偵測車道車輛、霧與強光會干擾系統識別白色汽車、雷達有可能忽略靜態車輛、相機與雷達兩大感測器整合方式有待改進等，現在NYCU iVS Lab就致力於解決上述問題。
郭峻因緊接著談到嵌入式AI感應核心技術與應用。他指出標準的嵌入式深度學習開發，必須先設定與標示資料、再建構訓練模型。NYCU iVS Lab已針對上述環節推出不同平台，讓AI開發者在不同環節均有快速簡易的工具，協助業者縮短開發時程。
郭峻因表示，NYCU iVS Lab所推出的工具都經過測試，具有高度實用性，以資料的設定與標示為例，NYCU iVS Lab在此部分提供的ezLabel工具，只需要前後兩幀畫面，即可標記整段影像中的物件，大幅減少人工標記工時；ezLabel是網路開放平台，可讓全球各地深度學習專家與一般民眾使用，目前ezLabel 2.3版已累積有超過610位使用者。
模型建構部分，NYCU iVS Lab建構SSD輕量化模型與MTSAN(Multi-Task Semantic Attention Network；多任務語義注意網路)。SSD輕量化模型解決了過去此類模型因錨點(Anchor)密度不足，難以偵測瘦長物品的痛點，NYCU iVS Lab在加入CSPNet後，不僅強化運算速度與準確度，同時運算量與參數量也減少了一半。至於MTSAN則是結合物件偵測技術，利用畫素分割場域，並藉此強化物件特徵，郭峻因指出，光是此動作就可提升4.5%的準確度(mAP)。
自駕車導入可分割場域的MTSAN後，可與前車防碰撞(FCWS)或車道偏移系統(LDWS)整合，精準判斷車道，在山路上行駛時，可以識別彎曲車道線，另外也可加入2D與3D的卷積(Convolution)行為分析技術，用來預測後端車輛的超車方向與可能性。
演講最後郭峻因引述美國未來20年發展AI的藍圖做總結。他表示未來的AI必須與情境整合，同時打造開放性知識場域，集結眾人之力，讓AI可了解人類的智能與反應，以進行有意義的互動，此外AI也必須能自我學習，整合周邊環境的各種資訊，培養應對困難挑戰的能力。
至於自駕車的AI應用，他則指出需強化研發各種感知技術，讓車輛可以精準識別路上各類型物件與其移動的意向，將是未來產學研的重點，透過這些研發，車禍事故發生機率將可大幅降低，進而建構安全可靠的交通場域。
我是JC老師
電腦相關課程授課超過6000小時的一位 3ds Max 課程講師
由於實在太多同學向JC老師反映，希望可以有線上課程學習，所以就決定錄製一系列的 3ds Max 線上影片教學
而且不加密、不設限、不販售，就是純分享，希望可以幫助到有需要的朋友們
如果這部 3ds Max 教學影片對你有幫助的話，請幫我按個讚，給我點鼓勵，也多分享給需要的朋友們喔~
---------------------------------------------------------------------------------------------------------
這次有機會參與大塚資訊(Autodesk白金經銷商)所舉辦的線上演討會，分享的主題是「建築室內設計Arnold擬真呈現」，本研討會是針對 3ds Max 新內建的 Arnold 渲染器行教學解說，如果對於追求超寫實擬真3D渲染有興趣的朋友，千萬不要錯過這次的研討會內容喔。
04-Arnold Antialiasing and Samples-抗鉅齒與採樣設定-02-整體採樣設定
針對 Arnold 的抗鉅齒與採樣的整體採樣設定
● Sampling and Ray Depth 採樣與光線深度
◆ Sample：採樣
★ Preview (AA)：預覽(抗鉅齒)
★ Camera (AA)：攝影機(抗鉅齒)
---------------------------------------------------------------------------------------------------------
建築室內設計Arnold擬真呈現教學影片目錄：https://bit.ly/2VbZmmd
建築室內設計Arnold擬真呈現範例下載：https://bit.ly/3fJQUUy
3ds Max 2015 線上教學影片目錄：http://bitly.com/2dUGqn3
3ds Max 2015 線上教學影片範例下載：http://bitly.com/2dUKF1R
AutoCAD 2015 2D 線上教學影片目錄：http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄：http://bitly.com/2dUGQtB
JC-Design網站：http://jc-d.net/
JC-Design粉絲團：https://www.facebook.com/jcdesigntw/
JC-Design LINE ID：@umd7274k
人臉辨識，就是用科技計算的方式，來比較臉部視覺特徵，藉此鑑定身分的一種電腦技術。
其實我們可以把人臉辨識想像成是一套演算法，各種不同的廠商或公司可能會有不同的演算規則。但整體的邏輯是一樣的，通常會先偵測人臉、然後進行臉部校正與擷取特徵、再進行比對工作。
當攝影機拍到你的時候，它第一步也會先切成一張一張的影格，然後去找到你的臉，就像是我們相機在拍照的時候，它不是會在臉旁邊出現一個框框讓你比較好對焦，這就是使用了人臉偵測的技術。
也因為人臉其實有一些特徵，所系統會開始擷取一些我們臉上出具有「辨別度」的特徵，像是顴骨的形狀啦、眼窩的深度之類的，一張臉大約有80幾個識別點，但也因為拍攝時可能剛好低頭或轉頭，或是受到光線影響之類的，有些系統會在抓取特徵的時候也要進行校正，利用人中啊、眼睛啊或嘴角之類的作為錨點，將人臉校正到同一個比較基準。現在也有2D轉3Ｄ的技術，用3D模型來計算你不同角度應該是長什麼樣子。那抓出這些特徵以後呢，這個演算法會把你臉上用這些特徵畫出來的向量，轉換成編碼，於是你這個人獨特的特徵就可以用一串數字來代表，最後再送到資料庫進行比對。
雖然人臉識別這個技術早再很多年前就已經開始發展，但是到這幾年因為電腦計算速度大幅加快、雲端技術成熟，才有較大的進展。而且這樣子一套演算法，還需要透過ＡＩ深度學習，模擬我們大腦神經網絡的運作，然後從大規模未標記的資料中學習，來建立出一套演算法、不斷優化出更好的模型。才能讓辨識度越來越準確。
不過即使臉部辨識技術已經發展了一段時間，辨識準確度卻還是有待加強，美國國家標準暨技術研究院 (Nist) 的一項測試就發現，2014年到2018年期間，人臉辨識系統因為深度學習的技術，失敗率從4% 降到 0.2%。BUT！資料庫中的照片跟現實生活中可不一樣，每個人頭擺的角度、臉出現在畫面中的位置、拍攝光線、畫素、有沒有戴帽子、帶圍巾或變老，這些都會影響準確度。而且目前雙胞胎的辨識，還是一大難題。
像是英國南威爾斯警方2017在歐洲足球冠軍賽期間，測試一款全新的AI臉部識別程序，可以搜尋比對資料庫裡面的50萬筆潛在罪犯資料，結果系統在17萬名觀眾當中，配對了2470人為潛在目標，但是錯誤率高達92%。
Amazon 2016年推出影像辨識 AI 系統Rekognition，也曾經把28名國會議員辨識為罪犯，讓大家都嚇到吃手手。美國奧蘭多市政府也從 2017 年開始與 Amazon 合作進行先導計劃，在市內幾個地方架設監視器，實時進行人臉辨識，希望可以找出通緝犯等特定人士，幫助執法。不過在 15 個月的測試中，卻發現系統經常誤判，準確度常常出問題，後來在2019年終止這項合作。
人臉辨識跟很多技術一樣，就是個雙面刃。雖然這項科技已經越來越進步，而且透過電腦的深度學習，讓判讀的準確度大大提升，但它仍然不像DNA那樣，正確度高達99.9%，可以作為決定性的判定標準。
--------------------------------------
《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 1030pm準時上傳完整版！
Take-Two公司表示，曾開發過超狂賣的《俠盜獵車手GTA》系列的Rockstar Games公司，最新開發的警匪槍戰遊戲《L.A. Noire》，將正式命名為《黑色洛城》並預計5月20日推出，而且釋出深度遊戲宣傳影片，在這首部「遊戲介紹」影片中，概要地簡述了遊戲的核心機制，從搜尋線索、審問證人，到爭吵及槍戰等精彩動作場面。這首部系列影片的內容完全取自實際遊戲畫面，並說明了你的偵辦技巧、洞察眼光以及機智狡詐如何影響成案或破案。遊戲以1940年代二次大戰後，暴力腐敗充斥的洛杉磯為背景，描述的犯罪驚悚劇情，完美地融合了偵辦案件、尋找線索、車輛追逐以及激烈槍戰等內容，玩家將扮演功勳彪炳的戰爭英雄，於好萊塢的金色年代，解決一連串陰森離奇的謀殺案和其他犯罪案件，在洛城警局嶄露頭角，並終究面對洛杉磯的黑心首腦。
《黑色洛城》採用了創新的Motion Scan表情掃瞄技術，使用了32部高畫質攝影機來擷取演員的3D面部表情，並將演員表情的所有細節轉移至遊戲當中，讓玩家首次能精細判讀遊戲人物的唇語及面部表情。
(C) Take-Two (C) Rockstar Games (C) Team Bondi All Rights Reserved.
