计算机视觉

计算机视觉是什么

计算机视觉（Computer Vision，简称 CV）是人工智能中让计算机"看懂"图像与视频的领域：识别图片里有什么物体、判断人脸是谁、检测画面中的行人与车辆、甚至从文字描述生成图像。它与自然语言处理共同构成 AI 感知能力的两大支柱，是 AI 绘画、美颜相机、自动驾驶、医疗影像、安防监控等应用的技术基础。

核心任务

计算机视觉的主要任务可以按"识别"与"生成"两条线理解：

• 图像识别：图像分类（这张图是什么）、目标检测（图里有什么、在哪）、图像分割（把物体精确抠出来）、人脸识别与人脸属性分析。
• 图像生成：文生图（根据文字画图）、图生图（风格转换、修复、扩图）、视频生成与编辑，这是 2022 年以来最热门的视觉 AI 方向。
  这些能力渗透在每天使用的产品里：手机相册按人脸分类、拍照自动对焦、修图软件一键抠图、AI 绘画生成海报。

发展历程

计算机视觉经历了从传统特征工程（人工设计边缘、纹理等特征）到深度学习的跨越：卷积神经网络（CNN）让机器自动学习图像特征，识别精度大幅提升；随后 Transformer 架构进入视觉领域（ViT 等），图像与文本开始统一建模；再到扩散模型时代，AI 不仅能"看懂"图，还能"画出"惊艳的图像——视觉 AI 从感知走向了创造。

主流应用

• AI 绘画与设计：文生图、风格化、电商视觉（AI 绘画工具的技术底座）。
• 自动驾驶：车辆、行人、交通标志检测与道路理解。
• 医疗影像：病灶检测、影像辅助诊断。
• 安防与零售：人脸识别、行为分析、货架识别。
  伴随多模态大模型的发展，计算机视觉正在与语言能力融合（看图说话、视频理解问答），成为通用 AI 的重要一环。