计算机视觉包含哪些任务？和计算机图形学的区别是什么？

除了之前我们提到的图像分类、物体检测、语义分割、视频分析四个核心任务，计算机视觉还会研究哪些课题？

计算机视觉和计算机图形学之间的区别是什么？

点击下方视频，你对人工智能的了解就能轻松超过全世界99%的人类！

这一季中增加了不少动画效果，不妨点开看看w

图文版本送给不方便打开的朋友(°u°) 」

在上一季中，我们提到计算机视觉有四个核心任务：图像分类（image classification）、物体检测（Object Recognition）、语义分割（Semantic Segmentation）和视频分析（Video Analysis）。

不过从核心任务到人脸支付、自动驾驶、影像辅助诊断等落地的真实应用，中间还衍生了许多同样很重要的任务。

比如人体姿态识别，可以让我们更好地理解运动员的动作方式，或是识别、预测人类的行为；

目标跟踪，即对视频中的人脸、车辆等目标进行持续的识别和跟随，在安防等领域有非常广泛的应用；

SLAM可以通过视频图像对现实空间进行重建，OCR则是识别图片中的字符，将图片转换为文字。

除此之外，还有边缘检测、细粒度识别、稠密运动估计等任务，我们会在接下来的视频中一一介绍。

这些任务之间交叉组合，有时还会结合 NLP 、语音识别等技术，最终才变成了真正的落地应用。

关于计算机视觉还有一个常见问题，计算机视觉（CV）和计算机图形学（CG）该如何区别？

计算机视觉输入的是图像或视频，输出的是对画面内容的理解，也就是对世界的理解。

而计算机图形学输入的是对虚拟场景的描述，输出的则是图像。

随着两者的共同进步，无论是算法还是解决问题的思路上都互有借鉴，不过基础的分界仍未改变。

下一期将从离我们生活最近、应用最广的人脸识别讲起，敬请期待。

「知智一分钟」是由「KnowingAI知智」推出的，以人工智能基础知识为主的短视频栏目。

每次一分钟，轻松了解 AI 领域基础概念！