“總的來說，神經輻射場為自動駕駛了新的視角和工具，使我們能夠更好地理解和預測環境，能夠提高自動駕駛的性能和安全性。我們計劃推出基於該技術的先進平台，開放給各行各業使用，其中的技術原理，也擬定開源。”
“隨著技術的進步，我期待看到神經輻射場在自動駕駛中發揮更大的作用，也期待我國能夠在自動駕駛汽車上取得世界領先的地位。能在新電車這個行業裡，取得世界領先的地位。”
“這項技術，就算是我為國內新一代智能車輛做得一項微小的貢獻吧！”
孟繁岐做完介紹之後，大家的第一感覺是來自於技術的強烈震撼。在技術的更迭麵前，所有的產業和崗位即便再龐大，也不值一提，隻會在新的革新麵前轟然崩塌。
這顯然已經超越了正常的圖像ai技術範疇了。
目前主流的圖像ai技術，什麼分類、檢測和分割，都隻是單純對2d的平麵圖像做一個分析的操作。
屬於圖片上有什麼，我就理解分析什麼。圖片上如果沒有，那我的技術就沒什麼辦法了。
這也是為什麼，【遮擋】類的問題，一直是圖像領域比較難處理的一件事。
馬賽克也是類似的情況，它們都導致圖像的內容被實質性破壞了，無法讀取無法分析，也就很難進行逆過程。
分類、檢測和分割難度層層遞進，但也無非是分析得更加精致準確細膩罷了。
例如，分類隻是讓ai說出圖像裡有什麼，檢測要確認大概的位置，分割則是精細到像素級的輪廓，不過從根本上是沒有發生什麼改變的。
而孟繁岐這次展示的神經輻射場，則可以說完全是一種創造了，構造出了圖片上沒有展示的內容，跟此前的那些ai圖像技術有著本質的區彆。
“老師，您為什麼說它與隻是分析圖像的技術不同？那對抗生成網絡呢？它不是也是生成式技術，既然此前已經有了生成技術，為什麼大家顯得這麼驚訝？”
高校這群大佬，此行也帶了幾個得意門生來，其中就有比較年輕，沒能跟上老師們思路的。
幾人在一旁，聽著大佬們簡短地驚歎讚美之後，已經開始暢談這種技術的應用了，頓時覺得人有點暈。
這進度也搞太快了吧！
“小張啊，生成式技術雖然是一種圖像的創造，但是它極其不穩定也不可控。就比如孟繁岐他此前的facegan技術，如果要針對人臉的話，就需要大量人臉數據去反複對生成網絡進行學習。”
“人臉的識彆是比較大眾的需求，因此有這麼多的數據，我們也接受進行專門的訓練，可各種其他的任務呢？我們不可能針對什麼東西都去專門的再這麼做一次，況且其效果也並不確定。”
“而神經輻射場，僅僅隻需要簡單的幾張圖片，就徹底解決了這個問題。誠然，對於相片沒有拍到的地方，它無法複原，可人眼不也是一樣如此嗎？能夠做到這個程度，已經相當了不起了。”
周誌華側過頭來，為一群好奇的學生們做了簡短的解釋，為何神經輻射場的意義是顛覆式的。
“按照流程現在也應當是問答時間了是吧？”旁邊的鄂維南院士也扭過頭來“這不是直接問的好機會嗎？大家有什麼不明白的就直接提問。”
鄂維南院士今天沒帶人來，他最近幾年親自收的徒弟相當之少，關門弟子韓辭還被台上這個人拐跑了，從應用數學不知不覺就轉到ai那邊去了。
今天來這裡，他也是想親眼看看，孟繁岐能在會程中給大家帶來什麼樣的驚喜。
真要說起來，鄂維南院士應該是在場的高校大佬裡唯一一個提前對孟繁岐的技術內容有所涉獵的。
韓辭在輻射場和擴散模型這兩個方麵的原理推導過程中，也是請教了自己的老師不少的。
“孟先生給我們帶來的新技術可以說是非常的震撼，不知道能否請您舉一個比較具體的例子，來仔細說明一下神經輻射場技術在自動駕駛中的具體應用。”主持人雖然自己聽得雲裡霧裡的，但還是堅持進行了串場。
“沒問題，可能我剛才展示的例子還不夠方便理解。我們來看這樣一個例子，假設一輛自動駕駛車輛在繁忙的城市街道上行駛，遇到一個交叉路口。傳統的自動駕駛技術可能會局限於通過傳感器獲取的有限信息來判斷交通狀況和障礙物。”
“但是交叉路口的情況常常是複雜和多變的，這樣的判斷很難保證準確性和安全性吧？”主持人似乎覺得自己既然做出了提問，也應當有所回應。
孟繁岐聽到主持人的插話，眉頭一揚，好家夥，已經學會捧哏了是吧？
“沒錯！這正是目前傳統辦法的一大問題！圖像上的內容隻要一多一雜亂，就很容易分析不明白。例如在紛繁的十字路口，行人、車輛、建築、紅綠燈、交通指示牌。有太多的東西需要檢測分割。”孟繁岐說著，展示了一張交通要道的複雜場景圖，其中信息量很大。
這章沒有結束，請點擊下一頁！
他心裡也在嘀咕，不知道這主持人是懂還是不懂，這捧哏的氣口和內容選擇的相當不錯。
傳統式視覺技術一直存在這樣的缺陷，其中一大原因也是因為能夠處理的分辨率有限，如果相同的分辨率內塞入了太多的內容，較小的目標就很難被分析清楚。
這是因為目前的深度神經網絡會下采樣數據，在分辨率僅有原本八分之一乃至十六分之一大小的【特征圖】上進行運算，如此一來，小的目標和物體在特征圖上可能隻能夠分到一兩個像素點的大小。
在這樣的情況下，指望對單張平麵圖像做到詳儘的內容分析，當然是不現實的。
“神經輻射場能夠以任意精度來渲染場景。此外，所有的信息都嵌入到神經網絡的權重中，所以內存使用量主要取決於網絡的大小，而不是場景的複雜度或分辨率。這是一次徹底的改變，從根本上克服了傳統3d重建方法的一些主要限製。”
“隻要算力足夠強大，就能夠以誇張的精細程度重建實時的行車場景。相對於非常表麵的2d圖像分析方式，我想基於神經輻射場的自動駕駛係統，它的準確性和安全性，是不言而喻的。”
一個是在平麵上檢測不同位置的東西是什麼，另一個則是直接在空間中感知什麼位置的空間被占據了。
後者的安全性當然要強太多。
此時的自動駕駛技術，幾乎全部都停留在如何把相機拍到的東西給識彆明白的階段，有膽子像孟繁岐這樣，直接重構三維世界去分析應該如何自動驅使車輛的，那是少之又少。
“孟同學，我看旁邊的教授們都還在相互討論著裡麵的原理問題，可能一會才會提問。我不是搞技術的，就先問一問我比較關心的問題，跟你剛才所說的內容角度不是特彆一樣。”
台下第一排，一位相貌穩重莊嚴，身著白襯衫加西褲的領導人拿起麥克風，提出了一個來自官方視角的問題“人工智能不僅是一項新技術，同時也是一個新的行業新的產業，我想提問一下，你對就業和崗位方向的問題是如何看待的。”
喜歡重生之ai教父請大家收藏101novel.com重生之ai教父101novel.com更新速度全網最快。