高通公司多媒體研發(fā)高級工程總監(jiān)Ananth Kandhadai

　　沉浸式體驗的新時代已經(jīng)來臨，這在很大程度上得益于計算機視覺技術(shù)的引領(lǐng)。無論是模糊用戶背景的虛擬呼叫，還是在公路上成功實現(xiàn)自動駕駛的汽車，計算機視覺技術(shù)的進(jìn)步正在變革人們的生活方式。

　　二十多年來，高通公司多媒體研發(fā)高級工程總監(jiān)Ananth Kandhadai一直是發(fā)明各類計算機視覺和人工智能技術(shù)的領(lǐng)軍人物。自1996年加入公司以來，Ananth的研究領(lǐng)域包括語音編碼、圖像處理、深度學(xué)習(xí)、視覺硬件加速、功率約束的系統(tǒng)設(shè)計，以及增強現(xiàn)實/虛擬現(xiàn)實(AR/VR)系統(tǒng)解決方案。目前，他領(lǐng)導(dǎo)著一個工程師團(tuán)隊，專注于研發(fā)面向擴展現(xiàn)實（XR）應(yīng)用的計算機視覺和攝像系統(tǒng)。

　　Ananth來自印度，在卡利卡特國立技術(shù)學(xué)院獲得電子工程學(xué)士學(xué)位后，他前往美國，并在弗吉尼亞理工大學(xué)獲得了電子工程碩士學(xué)位。在那之后，他面臨著一個選擇：繼續(xù)深造并攻讀博士學(xué)位，或者在高通開始他的工程師生涯。他選擇了高通，并開始了對移動語音編碼和標(biāo)準(zhǔn)化的研究。Ananth認(rèn)為他做出了正確的決定，并表示與選擇學(xué)術(shù)界相比，他在高通學(xué)到更多，成長得更快。

　　多年來，由Ananth引領(lǐng)的一些創(chuàng)新性發(fā)明包括：使智能手機攝像頭能夠基于用戶的環(huán)境變化來啟動應(yīng)用程序，以及在語音編碼和圖像與信號處理領(lǐng)域的大量工作。如果沒有Ananth的技術(shù)突破，我們可能無法享有目前的一些智能終端和豐富的多媒體體驗。

　　近期我們與Ananth進(jìn)行了深入交流，談到了他在加入高通技術(shù)公司后，在信號處理和計算機視覺交叉領(lǐng)域的杰出職業(yè)生涯。

　　我在高通的一半以上的時間都在從事語音編碼和標(biāo)準(zhǔn)化領(lǐng)域的工作——總體來說，就是面向手機的語音壓縮技術(shù)。蜂窩和衛(wèi)星通信是我從1996年起就開始從事的工作，后來我轉(zhuǎn)向了研究圖像處理和計算機視覺。

　　長期以來我一直將信號處理作為核心研究領(lǐng)域，將其應(yīng)用于語音編碼、語音壓縮和語音處理。之后，我轉(zhuǎn)向了影像處理和計算機視覺領(lǐng)域。目前，我正在研究面向XR和一些其他顯示和渲染方面的特定計算機視覺應(yīng)用。

　　我的工作變動也反映了高通公司的發(fā)展歷程。在我剛加入工作時，無線手機用戶數(shù)量要少很多，所以那段時間我長期參與系統(tǒng)擴容。當(dāng)用戶數(shù)量提升之后，我們逐漸開始新的布局，于是我們說：“好吧，讓我們來增加一些拍照手機。”如果你還記得早期那些翻蓋手機，應(yīng)該有印象，它們的攝像頭很小。大家最初看到拍照手機爆發(fā)式增長的時候，我正在從事相關(guān)工作，遇到過許多不同的技術(shù)挑戰(zhàn)。

　　幾年后，當(dāng)那些攝像頭需要變得更智能時，我就專注于運用計算機視覺——一種使計算機能夠檢測現(xiàn)實世界中的物體，并對其做出反應(yīng)的功能。隨著我們邁入應(yīng)用計算機視覺的新世界，我就轉(zhuǎn)而研究未來可用于XR（擴展現(xiàn)實）應(yīng)用的技術(shù)。我專注研究的技術(shù)領(lǐng)域與高通的技術(shù)重點同步轉(zhuǎn)換，這并非巧合。

　　試想一下人們佩戴眼鏡——比如矯正鏡片，每個人都了解矯正鏡片。人們佩戴它，是為了更清晰地觀察世界，對吧？簡單來說，人們在頭上佩戴某些東西是為了更好地觀察和感知世界——在某種程度上，這增強或擴展了現(xiàn)實世界。

　　計算機視覺是一種數(shù)字化方式，用于感知、記錄和理解單個攝像頭或一系列攝像頭所生成的可視數(shù)據(jù)。比如，找到人眼自然識別的模式，或是太微妙、甚至人眼無法察覺的數(shù)據(jù)模式。無論是自動駕駛汽車的障礙識別功能，還是在虛擬通話中區(qū)分前景背景的功能，從根本上來說，它都是通過創(chuàng)建用計算機解釋可視數(shù)據(jù)的方法來實現(xiàn)的。

　　隨著終端變得更加智能，它需要自動分析出這些模式。終端需要像一個數(shù)字化的助理一樣，感知用戶及其周圍環(huán)境。此類自動感知技術(shù)要求終端具備智能計算機視覺功能——幾乎像第三只眼睛一樣，來提供無縫用戶體驗。這就是計算機視覺對所有不同的應(yīng)用都至關(guān)重要的原因。

　　人們可能會說：“哦，這就好像多了一雙眼睛”。但是眼睛本身很容易復(fù)制——它只是光的接收裝置。難點在于復(fù)制眼睛后面處理信息的大腦。大腦是神經(jīng)科學(xué)和意識的經(jīng)典研究領(lǐng)域，人們?nèi)绾胃兄�現(xiàn)實這個問題甚至尚未被完全了解。但這正是我們試圖在機器上復(fù)制的東西。在不經(jīng)歷數(shù)百萬年進(jìn)化的情況下，研究與人類頭腦具有相同可靠性水平的終端，這是第一個挑戰(zhàn)。

　　高通正在解決的最重要的問題是，當(dāng)在用戶在頭上佩戴XR終端這樣的設(shè)備時，需要保證設(shè)備是輕便的，不能過熱，它的功耗也必須非常低。這意味著不能只用大量算力和內(nèi)存來解決計算機視覺和感知等方面的難題。終端必須足夠輕便和涼爽，才能使用戶舒適地將其佩戴于頭部，這歸根結(jié)底涉及到功耗效率的創(chuàng)新。

　　功耗和計算復(fù)雜性總是彼此沖突，但可用性要求二者針對不同的消費終端外形進(jìn)行同步優(yōu)化。

　　本質(zhì)上講，這些不同的應(yīng)用在所處理的基本任務(wù)上是相似的。例如，了解XR終端用戶的頭部位置或攝像頭的位置，與汽車在自動駕駛時需要了解周圍環(huán)境，或無人機在自動駕駛模式下跟蹤物體都非常相似。以上所有產(chǎn)品的攝像頭和視覺系統(tǒng)都需要明確終端周圍的實際情況。因此，將人工智能（AI）技術(shù)用于物體檢測、3D重建、地圖構(gòu)建、物體識別、頭部追蹤和眼動跟蹤等不同用例，從概念上看都非常相似。無人機用例略有不同，因為在物理上操控者已經(jīng)脫離機器本身，機器中沒有人。

　　然而，這里還存在著其他方面的因素，導(dǎo)致計算機視覺對各個用例來說都有本質(zhì)的不同。這就是為什么很難拿出一個萬能的解決方案�？梢源騻�比方，你可以說人類、獵豹和花豹都有四肢和嘴，都是肉食性動物。它們是有相似性的，但又有著需要針對各自不同的環(huán)境和情況進(jìn)行的不同優(yōu)化。

　　汽車上有牢固安裝的攝像頭，其技術(shù)重點是影像的穩(wěn)定性。汽車通常只在路面上行駛，但它們行駛的速度很快。最重要的是，汽車計算機視覺中，錯誤的代價在車上更具災(zāi)難性。這讓該項技術(shù)變得很難，但也更具可預(yù)測性。

　　相比之下，把一組類似的攝像頭放在用戶頭上就不一樣了：用戶可能身處任何地方，不斷地以不可預(yù)測的模式移動頭部，這讓頭部攝像頭看到的場景比車載攝像頭看到的更加難以預(yù)測。在這個意義上，XR頭顯和汽車計算機視覺系統(tǒng)提出的假設(shè)有些許不同�；�本技術(shù)保持不變，但它們的工程設(shè)計方式使其成為完全不同的問題。

　　而最終，盡管我們解決問題的方法可能截然不同，但當(dāng)涉及到我們芯片組的實際架構(gòu)變化時，這些不同領(lǐng)域之間其實存在著許多協(xié)同效應(yīng)。我們常常發(fā)現(xiàn)，在架構(gòu)層面針對一個用例所做的決定，最終會有助于實現(xiàn)另一個用例。

　　我很幸運能在高通工作，因為我們在連接、應(yīng)用處理器和智能手機平臺方面有成熟的業(yè)務(wù)。這使我們處于一個有利位置，讓我的團(tuán)隊能夠?qū)Ｗ⒂谟嬎銠C視覺的技術(shù)層面，比如感知和渲染，從而建立有效方式，讓客戶和最終用戶獲得這些技術(shù)功能。

　　高通還與計算機視覺相關(guān)領(lǐng)域的主要行業(yè)領(lǐng)導(dǎo)者保持著良好的關(guān)系，這有助于我們在努力解決的根本性問題上保持一致。我能夠解決很多問題，但其中的大量問題可能不是實際問題。圍繞實際問題進(jìn)行協(xié)作、制定規(guī)范是很重要的，而與其他公司保持良好關(guān)系有助于我們做到這些。

　　總體而言，高通積極地推動我們團(tuán)隊提出的解決方案。公司會采用相關(guān)解決方案，尋找方法將其轉(zhuǎn)化為商機，這需要解決方案的路線圖，并且有助于使我們的產(chǎn)品與其他公司形成差異化。同樣地，業(yè)務(wù)團(tuán)隊會給我們帶來一些挑戰(zhàn)。他們與客戶交流獲取市場需求，然后給我們時間去思考和實現(xiàn)這些需求。尤其對于XR這樣的應(yīng)用，它的業(yè)務(wù)規(guī)模還無法與智能手機相比。但高通有著長期愿景，并且鼓勵我們?nèi)�實現(xiàn)。這使我們能夠?qū)Ｗ⒂诩夹g(shù)，而不是僅僅試圖弄清這些技術(shù)如何實現(xiàn)商業(yè)化。

　　最后，高通有許多團(tuán)隊致力于從各個方面研究和設(shè)計行業(yè)領(lǐng)先的系統(tǒng)級芯片（SoC），這讓我們能夠與公司其他部門的不同團(tuán)隊合作，來分享和利用在其他情況下很難獲取的知識。公司的流程允許我們向其他團(tuán)隊提供建議，并在不同應(yīng)用中根據(jù)不同目的使用他們的工作成果，而協(xié)作是這個流程中必須的。結(jié)果證明，這樣的協(xié)作大有裨益。

　　根據(jù)我自己的經(jīng)驗，我建議將發(fā)明看作是解決現(xiàn)實問題的附帶結(jié)果。專注于解決難題，并且相信那些難題將把你引向創(chuàng)新性的解決方案。如果你發(fā)現(xiàn)了其他人尚未解決的問題，我認(rèn)為這就值得你花時間去解決。雖然會有風(fēng)險，人們沒能解決它可能是有原因的，但這些問題通常是值得去研究的。很可能會有貪多嚼不爛的問題，但我認(rèn)為這不值得擔(dān)憂。持續(xù)不斷地去調(diào)整和改進(jìn)就好了，永遠(yuǎn)不要低估自己的想象力和創(chuàng)造力。某個問題沒有被解決并不能說明什么——或許它恰好就在等待你去研究。研究任何事物都需要新視角，尤其是那些“尚未解決”的問題。

　　歸根結(jié)底，重要的是去正確地解決問題——不必專注于尋找華而不實或另辟蹊徑的解決方案。根據(jù)我的經(jīng)驗，創(chuàng)新很有可能來自于解決那些難題。在我們申請專利時，這個原則也很有用。專利部門會評估一項技術(shù)的創(chuàng)新性和影響力，也會參考其新穎性和實用性。所有這些評估專利是否有用的指標(biāo)，都以你要解決的問題為基礎(chǔ)。