Aplicações de Visão Computacional
Ir para notas que citam estaAplicações de visão computacional são os usos em que um sistema extrai informação de imagens ou vídeos para substituir ou ampliar o olhar humano, de capturar movimento para animação 3D a ler documentos e apoiar diagnóstico por exame de imagem.
A área costuma ficar escondida: funciona por baixo dos panos em sistemas do dia a dia, e quase qualquer setor tem algum uso dela. Os exemplos abaixo mostram as três capacidades da Visão Computacional, capturar, reconhecer e compreender, em contextos diferentes.
Exemplos por tipo de uso
- Captura de movimento (motion capture). O movimento de uma pessoa filmada vira animação para modelos 3D, usada em jogos e animação.
- Expressão facial. A câmera identifica a expressão do rosto e um personagem na tela muda junto, como um filtro de webcam.
- Diagnóstico por imagem. Um dataset de exames com a avaliação médica de cada imagem (se há nódulo, se é benigno ou maligno) serve para treinar um modelo que indica a propensão num exame novo. O trabalho começa nos dados rotulados, assunto de Dados para Visão Computacional.
- Documentos. Tirar foto de um documento de identidade em vez de digitar CPF, RG e data de nascimento: é mais rápido, evita erro de digitação e a própria foto serve de validação.
- Contagem em escala. Uma câmera numa rodovia conta carros sem cansar, o dia inteiro, algo que uma pessoa não sustentaria. A contagem tem dificuldades próprias, descritas em Contagem de Objetos em Imagens.
- Busca de pessoas em vídeo. Encontrar todas as aparições de alguém num vídeo longo, como o de um casamento. Reconhecer uma pessoa é bem mais difícil do que reconhecer um veículo, e sistemas de vigilância que identificam rostos ficam no extremo dessa dificuldade.
- Eventos raros na rua. Detectar motos ou acidentes numa câmera de trânsito, guardando as imagens como evidência, como no Pipeline Híbrido de Detecção em Vídeo.
- Recebimento de mercadorias. Estimar, por foto, quantidade, peso, qualidade e validade de insumos que chegam a uma escola, caso do Desafio Olho na Caixa.
Por que a captura deixou de ser o gargalo
Hoje quase todo dispositivo captura imagem: há uma câmera RGB em cada celular, e veículos novos já trazem visão 3D de todo o entorno. Com a captura resolvida, a diferença está em reconhecer e compreender, e é aí que os LVLMs mudam o que essas aplicações conseguem fazer.