韩国科学技术院、MIT、微软联合研究
开发提升AI视觉性能的信息复原技术
有望推动人形机器人等商业化

一项能够让人工智能(AI)更清晰识别周边环境的视觉信息复原技术已被开发出来。该技术可将图形处理器内存效率最高提升至16倍,预计将有助于推动人形机器人和端侧AI等的商业化。


应用现有视觉信息复原技术与Upsample Anything时性能差异的对比示意图。KAIST供图

应用现有视觉信息复原技术与Upsample Anything时性能差异的对比示意图。KAIST供图

View original image

韩国科学技术院17日表示,电气及电子工程学院Kim Changik教授研究团队与美国麻省理工学院、微软研究团队共同开发出一种即使在内存使用受限的情况下,也能提升AI视觉性能的通用技术“Upsample Anything”。


人形机器人、自动驾驶系统以及基于世界模型(学习并预测现实世界物理环境及其变化的AI模型)的AI,通常通过将输入图像压缩为低分辨率特征信息加以利用,以提高运算速度并减少内存使用量。


但在压缩特征信息的过程中,小型物体、细长结构物、细微缺陷等重要视觉信息经常会丢失。相反,如果为解决这一问题而将所有图像都按高分辨率处理,又会因需要庞大的图形处理器内存和运算资源,导致难以实现实时信息处理的局限。


这一问题在智能手机等小型设备,以及对机动性要求较高的机器人精密识别周边环境时尤为突出。也就是说,在有限内存使用条件下提升AI视觉性能,是人形机器人和端侧AI等实现商业化前必须解决的课题。


对此,联合研究团队开发出的Upsample Anything则采用了利用输入图像边界和结构信息,将低分辨率特征信息复原为高分辨率的方式。


现有技术在应用于新环境和新数据之前,往往需要额外再训练或经历复杂的优化过程。但Upsample Anything仅凭一张输入图像,也能在无需额外数据训练的情况下找出最佳复原方式,因此具备可在多种环境中即时应用的优势。


尤其是,该技术无需将全部视觉信息以高分辨率存储和处理,而是仅压缩并利用核心信息,从而大幅减少了图形处理器内存使用量。


(从左起)Seo Minseok、韩国科学技术院博士生,Mark Hamilton、麻省理工学院及微软研究员,Kim Changik、韩国科学技术院教授。韩国科学技术院供图

(从左起)Seo Minseok、韩国科学技术院博士生,Mark Hamilton、麻省理工学院及微软研究员,Kim Changik、韩国科学技术院教授。韩国科学技术院供图

View original image

实际上,联合研究团队在AI研究中常用的“224×224”尺寸图像(5万个像素)上应用Upsample Anything时,仅用0.4秒便复原出接近原图的视觉信息,并取得了将图形处理器内存效率最高提升16倍的成果。


这一结果表明,即便只依靠有限的运算资源,AI也能更精密地识别周边环境,从而提高了Upsample Anything未来在智能手机、人形机器人、自动驾驶系统、端侧AI等下一代AI领域融合与应用的可能性。


该研究成果已被全球人工智能及计算机视觉领域学术会议“CVPR 2026”接收为论文。此外,研究还因高效利用计算资源,获得综合排名第一的“CVPR Compute Gold Star”奖,并入选研究过程透明性与可复现性领域的“Transparency Champion”。


Kim Changik教授表示:“Upsample Anything是一种即使在少量资源条件下,也能大幅提升AI视觉精度的算法。我们期待它将有助于加快人形机器人和端侧AI的实用化进程。”



另外,此次研究中,韩国科学技术院博士生Seo Minseok作为第一作者参与。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点