AI边缘运算加持提升个人化AR体验

机器学习(ML)是推动扩增实境(AR)产业前进的关键决定因素，在AR世界中，开发人员利用ML找出问题。Google、微软(Microsoft)、Facebook和亚马逊(Amazon)等大型科技公司正致力探索人工智慧(AI)和AR技术的整合，并应用于各种使用案例中。

根据Analytics India Magazine报导，新世代AR可透过运算环境连结真实世界与数位物体，创建更多个人化和亲密的体验。过去几年已有数十亿人在Facebook、Snapchat等社群媒体平台上使用Spark AR等特效软体，还有使用ML推论近似3D表面几何构造以产生视觉效果，而且只需单颗镜头输入，不需要专用的深度感测器。

其他使用案例还包括汽车保险公司，只要用手机对着汽车，程式就会辨识汽车的制造商和型号并连接公司的API，告知适用的费率和每月付款金额。

在AR应用程式中导入ML，可使用数个经过预先训练的机器学习模型。如ResNet，为针对电脑视觉任务的物体侦测进行优化的AI模型，主要用来追踪物体的类型，而非某种特定物体。

用于AR影像处理的ML基本上可以分为三级，一是影像分类，辨识影像中的内容，其次是物体侦测，在影像周围绘制边框，最后则是透过影像遮罩取得物体的精确轮廓。

Android和iOS平台已有推论3D空间物体定位的原生解决方案，影像遮罩或物体侦测方面，则只能获得2D空间的资讯。为了加入AR技术以及AI模型，开发人员正在建立能与影像物体实体互动以及3D空间的应用程式。

如果想将手机执行机器学习模型的效能最大化，可以使用TensorFlow Lite之类的开源深度学习架构，对于建立AR应用程式非常有用。或是利用开发工具ML Kit提供的OCR、人脸侦测等预建API功能来建立应用程式，省去自行开发ML模型的麻烦。

此外还有Google开发的ARCore平台，可用来执行运动追踪和场景构建等任务。Sceneform则是方便开发人员利用ARCore建立AR环境的SDK，且无须学习OpenGL技术。

内容源：摘自DIGITIMES