技术演进的核心阶段
传统图像处理阶段(20世纪60-90年代)
-
基础技术：早期以滤波、边缘检测、图像增强等算法为主，通过数值计算改善图像质量，但依赖人工特征提取，难以应对复杂场景。
-
理论框架：Marry提出的视觉计算理论将市局也分为三个阶段：
事件 描述 早期视觉 提取表面物理特性(如边缘检测、立体匹配) 二维半简图 描述观察者为中心的可见表面特性 三维模型 构建与视角无关的三维物体结构
它解释是反映人脑视觉感知里面中间的这一层，比较早期的视觉感知，实际上大家可以理解为视觉系统所生成的中间结果，其实并没有什么X用（-_-b）。 它是一个对于视觉场景来说的一些中间结果。 这些结果必须得存在，但是又没有直接带来我们所谓的理解和识别，所以做视觉的人就形成了“Early 、Vision”这么一个中间的形态。 Early vision的内容主要包含图象分割、边缘求取，运动和深度的估计这些方面。
二维半简图 (2½D sketch) 包含景物表面的信息,可以把它看做某些内在特性的混合信息。 二维半简图清楚地表示物体表面方向的信息。 物体表面法线从 物体内部穿出来,使物体好像穿刺满了针一样。 有时,这种二维 半简图又称为指针图,或简称针图 (needle diagram)。 此外,二维 半简图还包含从观察者到图像各部分的距离。 下方图
三维模型是物体的多边形表示，通常用计算机或者其它视频设备进行显示。显示的物体可以是现实世界的实体，也可以是虚构的物体。任何物理自然界存在的东西都可以用三维模型表示。
机器学习赋能阶段(2000-2010年底)
1. 算法应用：支持向量机(SVM)、随机森林等传统机器学习方法被引入图像分类、目标检测任务，但依然需要手动设计特征。
2. 初步智能化：如2006年的The Painting Fool通过颜色提取进行绘画，虽然智能水平优先，但开启了自动化视觉处理的新思路。
支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）。
SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器 [2]。SVM可以通过核方法（kernel method）进行非线性分类，是常见的核学习（kernel learning）方法之一。
SVM被提出于1964年，在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法，在人像识别、文本分类等模式识别（pattern recognition）问题中有得到应用。
随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 "Bootstrap aggregating" 想法和 Ho 的"random subspace method"以建造决策树的集合。
2006年，The Painting Fool 能够基于模拟物理绘画的过程，通过看数码照片，熟练地提取区域块的颜色，然后模拟自然介质比如油漆、粉彩和铅笔等进行创作。 2007年，机器视觉软件学会了识别人们的情绪，并根据情绪的变化来描绘肖像，因为这项改进，The Painting Fool 赢得了英国计算机协会的机器智能奖。 2011年，3D 建模能力开发成功，使 AI 艺术再次令人们震动。
深度学习革命阶段(2010年代至今)
-
技术突破：卷积神经网络(CNN)等模型实现端到端的特征学习，显著提升图像识别精度；生成对抗网络(GAN)推动了图像生成与分析的边界。
卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2]。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）”。 -
多模态融合：
OpenAI的CLIP模型通过40亿级文本-图像数据训练，实现跨模态理解，成为AI视觉与自然语言结合的里程碑。
DeepSeek通过低成本技术架构、开源生态、行业深度适配及绿色能源协同，构建了差异化的竞争优势。 -
三维视觉深化：如奥比中光的3D视觉感知技术，结合深度学习优化机器人导航与工业检测，成为产业升级的核心工具。
美国人工智能研究公司OpenAI，是一家开放人工智能研究和部署公司，其使命是确保通用人工智能造福全人类 。创立于2015年12月，总部位于美国旧金山。现由营利性公司OpenAI LP及非营利性母公司OpenAI Inc组成。
DeepSeek，全称杭州深度求索人工智能基础技术研究有限公司 [40]。DeepSeek是一家创新型科技公司 [3]，成立于2023年7月17日 ，使用数据蒸馏技术 ，得到更为精炼、有用的数据 。由知名私募巨头幻方量化孕育而生 ，专注于开发先进的大语言模型（LLM）和相关技术 。经营范围包括技术服务、技术开发、软件开发等。
DaBai Max Pro是Orbbec DaBai@系列的大广角双目结构光深度相机，提供0.2m~2.5m的探测距离，深度图像分辨率最高可达640*320，1m处深度精度可达12mm，运行平均功耗低于2.5W,搭配高分辨率的RGB模组可适配客户各种场景下的识别需求，产品适用于机器人避障和识别应用。
关键技术突破
算法创新
GAN与创造性对抗网络（CAN）：GAN生成逼真图像，CAN则尝试突破模仿局限，生成具有“艺术性”的独特作品。
实时性与效率提升：Stable Diffusion等模型将图像生成时间从小时级缩短至秒级，同时支持高分辨率输出。
硬件与感知技术
传感器革新：韦尔股份的CMOS图像传感器作为“机器之眼”，结合AI算法实现低功耗、高精度的环境感知，应用于自动驾驶与工业机器人。
3D视觉集成：通过多摄像头或激光雷达实现三维重建，推动医疗影像分析（如CT扫描）与智能交通的精准度。
应用领域的扩展
工业自动化
缺陷检测与定位：VisionPro等工具结合深度学习实现亚像素级精度，用于半导体元件检测与机器人引导。
医疗健康
影像分析：AI辅助诊断系统通过分割MRI图像提升病灶识别效率，减少人工误差。
智能交通与消费电子
自动驾驶：多传感器融合技术实时解析道路状况与驾驶员行为，优化决策算法。
人机交互：AR/VR设备结合3D视觉实现手势识别与虚拟场景重建。
未来趋势与挑战
技术融合
AI+边缘计算：通过轻量化模型降低算力需求，推动AI视觉在物联网终端的普及。
具身智能：结合机器人技术，实现视觉感知与物理操作的闭环，如人形机器人的环境交互。
理论与标准化
数据隐私：医疗与安防领域需平衡数据利用与隐私保护；
算法透明性：避免深度学习“黑箱”特性导致的决策不可解释性。
代表性企业与生态
韦尔股份：聚焦CMOS传感器与AI视觉芯片，赋能机器人及智能汽车。
奥比中光：以3D视觉技术为核心，构建“机器人与AI视觉中台”，与英伟达合作深化生态布局。
OpenAI与Google：通过DALL·E、CLIP等模型推动多模态视觉生成技术的前沿探索。
DeepSeek(深度求索)：2025 年 1 月 20 日发布 DeepSeek-R1 推理大模型，将训练成本降至 OpenAI 同类模型的 1/30，性能与 OpenAI 的 o1 不相上下，其 API 调用成本降低了 90%-95%。
关于上面详细链接：
AI 画拍出300万高价？一篇文章带你读懂 AI 艺术史_艺术家
https://baike.baidu.com/item/%E9%9A%8F%E6%9C%BA%E6%A3%AE%E6%9E%97?fromModule=lemma_search-box
https://baike.baidu.com/item/%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/9683835