👁️ 视觉物理
一句话总结：视觉物理是 AI 从数字世界走向物理世界的桥梁，让机器能够"看见"并理解物理环境。
📋 目录
🏗️ 视觉系统架构
📊 视觉任务分类
| 任务 | 输入 | 输出 | 延迟要求 |
|---|---|---|---|
| 图像分类 | 图像 | 类别标签 | <100ms |
| 目标检测 | 图像 | 边界框+类别 | <50ms |
| 语义分割 | 图像 | 像素级类别 | <100ms |
| 实例分割 | 图像 | 实例级掩码 | <100ms |
| 姿态估计 | 图像 | 关键点坐标 | <50ms |
| 深度估计 | 图像/视频 | 深度图 | <50ms |
| 视频理解 | 视频 | 事件描述 | <200ms |
⚡ 性能要求
边缘设备 vs 云端
| 指标 | 边缘设备 | 云端 |
|---|---|---|
| 计算资源 | 有限（<10W） | 充足（GPU） |
| 推理延迟 | <50ms | <200ms |
| 模型大小 | <50MB | 无限制 |
| 精度要求 | 高（实时决策） | 高 |
| 典型模型 | MobileNet, YOLO-Nano | ViT-Large |