隨著機器人、無人機和自動駕駛車輛在日常生活中變得越來越普及，但AI機器視覺技術在各種環境和條件下的視覺表現仍然存在不足。例如，自動駕駛車輛在雨天或霧天的能見度較低時，傳感器和攝像頭的性能會大幅下降，影響其運行效率和安全性。
為了解決這一問題，韓國光州科技院（Gwangju Institute of Science and Technology, GIST）的電子工程教授宋永民（Young Min Song）領導的研究團隊，受到貓眼結構的啟發，設計出一種新型的計算機視覺系統。這一創新成果發表在《Science Advances》期刊上。
貓眼在白天，縱向狹縫的瞳孔能有效過濾多餘的光線，減少眩光，從而提高視覺集中度；在夜間，瞳孔擴大以增加光線進入，同時反光層（tapetum lucidum）能反射光線，提升夜間視覺敏感度。所以新的視覺系統致敬貓眼結構，利用縱向狹縫光圈來過濾不必要的光線，並通過反光層提升低光環境下的可見度，從而在各種光照條件下提高目標物體的檢測和識別能力。
研究團隊在實驗中發現，該系統能夠在模糊背景物體的同時，保持對目標物體的清晰聚焦。他們還結合了神經網路技術，進一步提升系統對重要物體的感知能力。在標準化圖像數據集的噪聲環境下，傳統卷積神經網路的準確率為88.89%，而採用貓眼結構的系統準確率顯著提高至94.44%。
影響與後續發展
短期內，該技術可應用於搜索與救援、工業監控等需要高精度目標識別的領域，提高自主系統在複雜環境中的運行效率和準確性。長期來看，隨著像素分辨率的進一步提升和動態可調光圈技術的實現，這一系統有望被廣泛整合到軍用無人機、機器人、自動駕駛車輛等多種自主設備中，顯著增強其在變化多端的環境中的適應能力和任務執行能力。
宋教授表示，為了在實際和商業環境中部署這一系統，需要進一步改進視野的像素分辨率，並開發可根據入射光動態調整的光圈技術。
延伸閱讀
OpenAI自研AI晶片！攜手台積電、博通，2026年進軍市場
軟體工程師會被AI取代嗎？Google的25％新代碼由AI生成
