AI 从实验室走向现实世界为何困难:泛化、人类行为与资源三大挑战
AI 视觉系统从实验室走向家庭、医院和街道时面临泛化、人类行为与资源三大挑战:多数模型只用光照良好、高质量图像训练,在低光或夜间场景下人体姿态估计性能会明显下降。作者团队用无监督域适应方法,在无需低光图像人工关节标注的情况下,于 2026 年一项低光人体姿态估计研究中让模型在两个低光 benchmark 上大幅提升。人类与物体交互的动作组合数量庞大,难以逐一采集标注,研究转而用大型视觉语言模型识别训练中未见过的新交互。
于训练它的数据无法充分代表现实世界的巨大多样性。 “AI无法应对水坑”:被淹的街道让这辆Waymo在凤凰城陷入循环,在交通拥堵中来回移动了10多分钟 —— AccuWeather (@accuweather) 2026年9月18日 以人体姿态估计为例。这项任务涉及检测人体上的关键点,例如关节,以理解他们如何移动。其结果类似于一个数字骨架,表示一个人手臂、腿和其他身体部位的位置。姿态估计已被研究用于健康和康复应用,包括测量一个人的步态、监测康复锻炼以及评估与跌倒风险相关的运动模式。在光照良好的环境中,现代AI模型能以令人印象深刻的准确度完成这项任务。但在低光照或不均匀光照下,性能可能会急剧下降。这是因为模型是从干净、一致的数据中学习的,并未准备好泛化到更严苛的条件。 收集更多夜间训练数据能解决这个问题吗?更多标注数据当然会有帮助,但收集起来尤其困难。当一个人的关节在图像中难以看清时,人类标注者也难以准确标注它们。低光照还可能遮蔽视觉信息,而不仅仅是让图像变暗,而且夜间条件会因相机、阴影、眩光和其他噪声来源而变化。因此,收集并手动标注覆盖所有这些条件的样本既困难又昂贵。 我们一直在努力通过
匹配字段正文



