AyniCam
Kann KI alles erkennen? Objekterkennung mit offenem Vokabular erklärt
Was ist Objekterkennung mit offenem Vokabular? Lernen Sie Textabfragen und Grenzen kennen und vergleichen Sie sie mit AyniCams KI auf dem iPhone.
In diesem Ratgeber
Die kurze Antwort: Mehr Kategorien bedeuten nicht alles
Die Objekterkennung mit offenem Vokabular ermöglicht es einem Vision-Modell, nach Objekten zu suchen, die mit Wörtern beschrieben werden, anstatt nur aus einer festen Liste von Beschriftungen auszuwählen. Es erweitert, was Sie vom Modell suchen können. Es ist nicht garantiert, dass jedes Objekt erkannt, korrekt lokalisiert oder sogar für die Kamera sichtbar wird.
Für einen iPhone-Dashcam-Benutzer ist diese Unterscheidung wichtig. Eine dramatische KI-Vision-Demonstration und eine App, die kontinuierlich auf einem Telefon läuft, lösen verschiedene Probleme. Dieser Leitfaden erklärt die neue Forschung, wie Erkennungsergebnisse zu interpretieren sind und wo AyniCam passt.
Warum textgesteuertes KI-Sehen in den Nachrichten ist
Tencents WeVisOne-VL-Forschungspapier erschien am 22. Oktober 2026. Es vereint mehrere visuelle Aufgaben in einem Modell, darunter das Finden von Objekten, deren Zählung, das Lesen von Text und das Umreißen von Regionen. Die offizielle Modellkarte beschreibt die Objekterkennung mit offenem Vokabular: Benutzer können angeben, was sie in einem Bild lokalisieren möchten.
Die interessante Änderung ist die Schnittstelle zwischen Sprache und Vision. Ein Benutzer kann ein Ziel beschreiben, anstatt nur vordefinierte Bezeichnungen zu akzeptieren. Die Benchmark-Ergebnisse des Papiers sind die von den Autoren berichteten Forschungsergebnisse; Sie sind kein Test von AyniCam oder ein Beweis für eine zuverlässige Erkennung während einer Fahrt.
Feste Beschriftungen, Textaufforderungen und Segmentierung
Stellen Sie sich ein Foto vor, auf dem ein Auto, ein Fahrrad und eine Tasche zu sehen sind. Ein Detektor mit den Kategorien „Auto“ und „Fahrrad“ kann diese Objekte kennzeichnen, ohne eine Kennzeichnung für die Tasche anzubieten. Ein textgeführtes Modell könnte gebeten werden, die Tasche zu finden. Ob es gelingt, hängt immer noch vom Bild, der Formulierung und dem Modell ab.
Erkennung und Segmentierung beantworten auch unterschiedliche Fragen. Die Erkennung lokalisiert ein Objekt, häufig mit einem Begrenzungsrahmen. Durch die Segmentierung werden Bildbereichen Beschriftungen oder Masken zugewiesen. Keine der Ausgaben liefert automatisch eine genaue Entfernung, eine vollständig verborgene Form oder eine sichere Route um das Objekt herum.
| Ansatz | Typische Frage | Was du prüfen solltest |
|---|---|---|
| Erkennung fester Kategorien | Wo sind die unterstützten Objekttypen? | Welche Kategorien unterstützt die App tatsächlich? |
| Objekterkennung mit offenem Vokabular | Wo ist das durch diese Wörter beschriebene Objekt? | Schnelle Interpretation, fehlende Objekte und falsche Übereinstimmungen |
| Segmentierung | Welche Pixel oder Regionen gehören zu einer Klasse oder einem Objekt? | Grenzqualität und die Bedeutung jeder Region |
Was AyniCam auf einem iPhone erkennt
AyniCam führt die Kameraerkennung auf dem iPhone durch. Seine dokumentierten Detektorkategorien sind Person, Fahrrad, Motorrad, Auto, Bus, Ampel und Stoppschild. Es bietet kein Textfeld zum Erkennen beliebiger von Ihnen benannter Objekte und verwendet kein WeVisOne-VL.
Die 3D-Karte der App kombiniert kartierte Straßen und Gebäude mit geschätzten Positionen unterstützter Kameraerkennungen. Diese Anzeige ist eine nützliche Möglichkeit, die Interpretation der Kamera zu verstehen, es handelt sich jedoch nicht um einen präzisen Scan von allem rund um das Fahrzeug. Die Kameraansicht des Telefons und das ausgewählte KI-Modell schränken ein, was angezeigt werden kann.
Durch die Änderung der angezeigten unterstützten Objekte wird keine neue Erkennungskategorie erstellt. Wenn Sie eine fehlende Beschriftung verstehen möchten, beginnen Sie mit den unterstützten Kategorien, dem Kamerarahmen und den Modelleinstellungen.
So bewerten Sie eine Objekterkennungsdemonstration
Schauen Sie über ein einzelnes erfolgreiches Beispiel hinaus. Eine nützliche Demonstration identifiziert das Gerät, das Modell, die Kamerabedingungen und ob es sich bei der Szene um echtes Filmmaterial oder eine Simulation handelt. Es werden auch Fehler angezeigt. Ein sauberes Standbild kann nicht erkennen, wie sich ein Telefon während einer langen, bewegten Aufnahme verhält.
Überprüfen Sie, ob Beschriftungen nützlich bleiben, wenn ein Objekt klein, teilweise verdeckt oder schlecht beleuchtet ist. Ein Konfidenzwert beschreibt die Ausgabe des Modells; Es ist kein Zertifikat dafür, dass die Straße sicher ist. Möglicherweise ist noch ein Objekt ohne Beschriftung vorhanden. Richten Sie das Telefon im geparkten Zustand ein und konzentrieren Sie sich auf das Fahren.
Fragen zur Objekterkennung mit offenem Vokabular und AyniCam
Kann KI mit offenem Vokabular jedes Objekt erkennen?
Nein. Ein breiteres Vokabular erhöht die Bandbreite möglicher Abfragen, beseitigt jedoch nicht Fehler, Sichtbarkeitsbeschränkungen oder Fehler bei unbekannten Objekten. Das Bild muss genügend nützliche Informationen für die angeforderte Aufgabe enthalten.
Kann ich einen Objektnamen in AyniCam eingeben, um es zu erkennen?
Nein. AyniCam verwendet unterstützte Detektorkategorien. Bei den Auswahlmöglichkeiten für die Objektanzeige handelt es sich nicht um eine Texteingabefunktion mit offenem Vokabular.
Benötigt AyniCam das Internet für die Kameraerkennung?
Kamera-KI läuft auf dem iPhone. Kartenkacheln, Zielsuche, Wegbeschreibung und Wetter nutzen Online-Dienste, sodass die lokale Erkennung nicht bedeutet, dass alle Teile der App offline funktionieren.
Bedeutet die neue Forschung, dass AyniCam seine Modelle geändert hat?
Nein. In diesem Artikel wird die Branchenforschung getrennt von der veröffentlichten App erläutert. Aktuelle Produktänderungen finden Sie in den Versionshinweisen und im Modellhandbuch von AyniCam.
Wo kann ich sehen, wie die Erkennung mit der 3D-Karte verbunden wird?
Lesen Sie unten das Handbuch zur Karten- und Objekterkennung und erkunden Sie dann die beschriftete Kartendemo. Simulatorbeispiele veranschaulichen die Benutzeroberfläche und belegen nicht die Genauigkeit der realen Straßenerkennung.