提升CV所需的影像清晰度，eyemore如何引领“AI成像”？

在AI技术已广泛影响原有的生产力和一些服务模式的今天，计算机视觉（CV，Computer Vision）作为赋能各种机器设备“看”和“认知”能力的AI最大赛道，其在工业自动化、汽车自动驾驶、公共安防、医疗，乃至消费级市场诸如手机等移动端设备上，都已有着明确的应用方向。

但在面向各行业提供解决方案的同时，视觉AI技术提供商们的痛点普遍存在于影像采集终端能否为视觉AI技术提供清晰可靠的视频或图片影像，特别是在弱光、逆光、反光等环境下，采集终端很难呈现清晰的影像画面，从而在很大程度上影响计算机视觉对各类环境信息，以及人和物的识别精度。

eyemore（眼擎科技）创始人朱继志

成立于2014年3月，总部位于深圳的初创公司eyemore，致力于帮助市场中的影像采集终端在恶劣的光照环境下提高所采集影像的清晰度。而在注意到AI技术应用的大潮早已席卷各行各业的势头之后，大量AI视觉领域的公司表现出强烈的合作需求，eyemore创始人朱继志认为，他们所提供的核心技术与服务，早已和计算机视觉类的AI技术及其应用密不可分，并已开始撬动万亿级规模的视觉AI市场。

“AI成像”时代来临

市场中几乎所有的影像采集终端都采用了传统数码成像方案，但在AI时代更为丰富的应用场景下，对光照及画质清晰度依赖的问题要更为突出。对此，eyemore团队基于一套自主研发的成像算法，让影像采集终端即便在弱光、逆光、反光等环境条件下，也能通过该算法优化，还原被拍摄图像的品质，以及人和物的真实色彩。朱继志提到，他们的这套成像算法是基于超大规模的计算能力硬件模块加核心算法来实现的。

尽管这套成像算法依托于数码成像方案及该方案下的图像处理流程（ISP，Image Signal Processor），但在朱继志看来，他们的算法，不仅仅是对传统数码成像技术的升级，与此同时可能也是继胶卷成像（80年代之前的成像技术）和数码成像（至今最主流的成像技术）之后，也是面向“AI成像”时代在成像关键技术环节的有力解决方案。

这套AI成像技术方案，更多还体现在eyemore团队为计算机视觉类的AI技术提供商们所搭建的、面向视觉深度学习和认知的一套整体软硬件解决方案，包括AI成像引擎（内含传统ISP+AI成像算法+支持android\ios\windows等主流软件平台的SDK），以及将该引擎封装到硬件端的成像模组（其原型机的外观类似于一部小型摄像机的影像采集终端，该成像模组接下来可面向客户需求深度定制），还有便于视觉AI开发者快速学习调试的开发平台eyemore kit。

朱继志提到，他们计划在2018年利用这套AI成像解决方案参与下游视觉AI团队的Design-in，并力争通过Design-win来向业内展示不同领域的应用案例；到2019年，团队则计划向市场直接提供高性价比的AI成像芯片，适用于集成和定制各种成像终端；2020年，eyemore预计面向视觉相关的芯片厂商进行IP授权，推广到手机等更大规模的应用市场，同时筹备研发下一代体积更小，计算能力更强的芯片。

朱继志希望透过这三年的市场计划，成为成像领域的ARM，使成像引擎在万亿级的AI成像市场中，获得千亿级别的市场规模，而eyemore的第二个三年计划（2021年-2024年），朱继志表示他们的产品和技术专利可以赋能所有的影像采集终端，使之无惧复杂光线环境的限制，推进“万物视觉（VoE，Vision of Everything）”阶段的实现。

现场体验AI成像技术

在eyemore团队提供的AI成像技术结合开源的计算机视觉算法的实际体验中，在光照充足的条件下，系统可以清晰识别所拍摄环境中的每一个人，以及物体的信息。

而在实验室拉上所有窗帘并关闭所有光源后（请注意实际体验中仍有微弱的光源进入房间，但房间已经足够漆黑），依托成像引擎取得全彩图像的AI算法（开源）仍然可以获得清晰的环境影像，并能准确识别人和周围的物体。

应用前景广阔

对于AI成像的市场应用，朱继志表示他们目前锁定了自动驾驶、安防人脸识别、工业监测、手机、医疗等市场。其中，以AI人脸识别延伸的高端安防行业作为一个非常具有潜力的市场，eyemore提供的成像引擎可以直接帮助视觉AI公司获取高品质影像数据，从而提高识别率；面向自动驾驶市场，eyemore计划联合该领域自动驾驶提供商开发车规级的成像模组和芯片产品；而手机市场，尽管手机厂商的Design-in周期较长，但随着更多的手机厂商开始将AI拍照能力作为手机的一项新标配功能，eyemore的成像技术将有望成为厂商们不可或缺的技术支持。

朱继志认为，AI成像技术将有赖于团队与合作伙伴间的通力配合，逐步进入到金融、教育、零售、娱乐等更广泛的市场。例如在现有应用案例中，eyemore联合合作伙伴研发了嵌入式AI摄像机，面向学校教室场景并基于人脸识别技术，统计课堂的学生出勤率；团队还与电商领域的设计公司合作，研发搭载结构光（用于采集实物的三维信息）和AI成像模组的定制采集设备，确保所采集的三维影像其色彩与实物无异。

在朱继志看来，视觉AI技术提供商对持续稳定清晰影像的迫切需求，给了eyemore团队一次不可错过的发展机会。自2014年团队成立以来，朱继志带领eyemore团队开发了核心成像算法，并在不同的应用场景中对算法进行验证，从而确保技术推向市场的可行性。朱继志强调并坚信，把成像技术做到极致，市场终会为这份专注的付出带来丰厚的回报。