สตีเฟน มิลเลอร์ ผู้ร่วมก่อตั้งและรองประธานฝ่ายวิศวกรรมของ Fyusion – สัมภาษณ์แบบซีรีส์

สตีเฟน มิลเลอร์ เป็นผู้ร่วมก่อตั้งและรองประธานฝ่ายวิศวกรรมของ Fyusion ซึ่งเป็นบริษัทด้านการถ่ายภาพ 3 มิติและคอมพิวเตอร์วิชัน เป็นส่วนหนึ่งของกลุ่ม Cox Automotive ก่อนที่จะร่วมก่อตั้ง Fyusion เขาเคยเป็นนักศึกษาระดับ博士ที่มหาวิทยาลัยสแตนฟอร์ด ศึกษาด้านวิทยาศาสตร์คอมพิวเตอร์ และ曾ทำงานเกี่ยวกับหุ่นยนต์ส่วนบุคคล เช่น การพับเสื้อผ้าและการผูกโบว์ระหว่างการศึกษาระดับอุดมศึกษา tại UC Berkeley เขาเป็น Google (GOOGL ) Hertz Fellow, SAP Stanford Graduate Fellow และ NSF Fellow alumnus

คุณสามารถอธิบายได้หรือไม่ว่า Fyusion คืออะไร และวิธีการที่มันทำให้การบันทึกและแสดงภาพ 3 มิติเป็นเรื่องง่าย?

Fyusion เป็นบริษัทด้านคอมพิวเตอร์วิชันที่ให้บริการประสบการณ์ลูกค้า 3 มิติที่ขับเคลื่อนด้วย AI เราอนุญาตให้ผู้คนสามารถบันทึกภาพ 3 มิติผ่านแอปพลิเคชันบนสมาร์ทโฟนที่ใช้ระบบปฏิบัติการ Android และ iOS ได้อย่างง่ายดาย แอปพลิเคชันมีคำแนะนำแบบขั้นตอนต่อขั้นตอนและถูกออกแบบมาให้ใช้งานได้ง่ายสำหรับทุกคน โดยไม่จำเป็นต้องมีความรู้ด้านเทคนิค การบันทึกภาพใช้เวลาเพียง 1-2 นาที จากนั้นเครื่องมือ AI ของเราที่เรียกว่า ALIS จะวิเคราะห์ภาพ 3 มิติและเปลี่ยนข้อมูลภาพให้เป็นข้อมูลที่สามารถนำไปใช้ได้ ในขณะนี้เราเน้นการใช้ภาพ 3 มิติเพื่อวินิจฉัยความเสียหายภายนอกของรถยนต์

คุณสามารถอธิบายได้หรือไม่ว่าアルゴリズึมใช้ไฟล์แบบ .fyuse เพื่อให้สมาร์ทโฟนที่มีกล้องเดียวสามารถสร้างภาพ 3 มิติได้อย่างไร?

ฉันพบว่ามันช่วยให้เข้าใจได้ดีขึ้นเมื่อเปรียบเทียบ .fyuse กับภาพถ่ายและวิดีโอ ภาพถ่ายบันทึกช่วงเวลาหนึ่งจากมุมมองที่กำหนด และวิดีโอบันทึกช่วงเวลาต่อเนื่องในเส้นเวลา ในทางกลับกัน ภาพ .fyuse บันทึก “ช่วงเวลาในพื้นที่” ผู้ชมไม่ได้ถูกจำกัดไว้ที่มุมมองเดียวหรือเส้นเวลาที่กำหนด: พวกเขาสามารถมองเห็นทั้งสองด้านของสิ่งใดสิ่งหนึ่งและรอบๆ มัน

ในการสร้างภาพ .fyuse ผู้ถ่ายภาพจะหมุนรอบๆ วัตถุโดยใช้กล้องโทรศัพท์มือถือในหนึ่งทาง ในทางกลับกัน เทคโนโลยี Fyusion ยังรองรับโซลูชันการถ่ายภาพแบบคงที่และโซลูชันการถ่ายภาพที่ไม่ธรรมดา เช่น การใช้โดรน

รูปแบบไฟล์ .fyuse ของเราคือสิ่งที่ทำให้ภาพเหล่านี้มีชีวิตขึ้นมา มันเบาและทำให้สามารถโต้ตอบได้หลายมุมมอง และยังเข้ากันได้กับแล็ปท็อป แท็บเล็ต และสมาร์ทโฟนที่ผู้ใช้ปกติใช้อยู่แล้ว

คุณสามารถอธิบายได้หรือไม่ว่าข้อมูลใดที่ถูกบันทึกและวิเคราะห์โดย Fyusion?

สำหรับรถยนต์ ALIS จะตระหนักถึงทุกส่วนของรถยนต์ จากนั้นจึงสามารถกำหนดตำแหน่งที่มีความเสียหาย ขนาดและความรุนแรงของความเสียหาย และกำจัดผลลัพธ์เท็จที่อาจเกิดขึ้น เช่น สิ่งสกปรกที่ถูกพัดขึ้นมาจากถนน เทคโนโลยีที่เราได้พัฒนาและจดสิทธิบัตรสามารถแก้ปัญหาอื่นๆ ได้ แต่นี่คือสิ่งที่เรามุ่งเน้นในขณะนี้

คุณสามารถอธิบายได้หรือไม่ว่า AI-based Lightfield Information Suite (ALIS) คืออะไร?

ALIS เป็นเครื่องมือหลักที่อยู่เบื้องหลังผลิตภัณฑ์ทุกอย่างของ Fyusion มันทำให้การถ่ายภาพ 3 มิติเบาและเข้าใจภาพลึกได้ ALIS มี 3 ส่วน: การบันทึก, เครื่องมือ, และผู้ชม ในโมดูลการบันทึก แอปพลิเคชันมือถือมีคำแนะนำและกระบวนการทำงานที่สามารถปรับแต่งได้ ซึ่งช่วยให้ผู้ใช้สามารถบันทึกภาพ 3 มิติที่มีคุณภาพสูงได้โดยใช้สมาร์ทโฟนส่วนใหญ่ในตลาด การบันทึกภาพของ Fyusion ยังรองรับ DSLR, โดรน, และอุปกรณ์อื่นๆ

ในขั้นตอนที่สอง เครื่องมือ ALIS จะวิเคราะห์ภาพ 3 มิติและเปลี่ยนมันให้เป็นข้อมูลที่สามารถนำไปใช้ได้ เช่น ประเภทของความเสียหายที่ลูกค้าของเราต้องการ มันสามารถให้การยืนยันผลลัพธ์ของมันโดยการสร้างภาพ 2 มิติที่มีความละเอียดสูงของความเสียหายที่พบ

สุดท้าย ผู้ชมจะแสดงรูปแบบไฟล์ .fyuse ซึ่งเป็นทรัพย์สินทางปัญญาและเบา มันให้ประสบการณ์ 3 มิติที่มีเวลาในการโหลดที่เร็ว เราสามารถเพิ่มประสบการณ์ต่างๆ กับ .fyuse รวมถึงเสียง, วิดีโอ, และภาพ 2 มิติ

Fyusion พร้อมสำหรับ AR และ VR แล้ว คุณเชื่อว่าแอปพลิเคชันเหล่านี้จะมีขนาดใหญ่แค่ไหนในอนาคต?

ความเป็นจริงเสริม (Augmented Reality) เป็นอุตสาหกรรมที่มีมูลค่ากว่า 1,000 ล้านดอลลาร์ที่กำลังเป็นที่นิยมมากขึ้น และมันง่ายขึ้นในการบันทึกสภาพแวดล้อม 3 มิติได้โดยใช้อุปกรณ์มือถือที่มีประสิทธิภาพและเครือข่ายที่มีความหน่วงต่ำ เมื่อเทคโนโลยีเหล่านี้เข้าสู่กระแสหลัก ความคาดหวังของลูกค้าเกี่ยวกับประสบการณ์ออนไลน์จะเพิ่มขึ้นเร็วเท่ากับที่ผู้สร้างเนื้อหาสามารถรองรับได้

โดยเฉพาะในอุตสาหกรรมรถยนต์ การซื้อขายรถยนต์ออนไลน์กำลังเพิ่มขึ้น ในช่วงไม่กี่ปีข้างหน้า เราคาดว่าจะมีการเติบโตอย่างรวดเร็วของความสนใจใน AR, VR, และการแสดงรายการ 3 มิติ เป้าหมายคือการเปลี่ยนหน้ารายละเอียดของรถยนต์ (VDP) ให้เป็นหน้าประสบการณ์ของรถยนต์ (VEP) เพื่อช่วยให้ร้านค้ารถยนต์ขนาดใหญ่และเล็กๆ สามารถเติบโตได้อย่างต่อเนื่อง สิ่งนี้สามารถเป็นอะไรได้ตั้งแต่การเพิ่มโลโก้ 3 มิติและแท็กสื่อเข้ากับรายการ หรือการอนุญาตให้ผู้ซื้อสามารถวางสิ่งของ เช่น ชุดกอล์ฟ ในรถยนต์ได้เพื่อดูว่ามันพอดีหรือไม่

จะมันจะน่าตื่นเต้นที่จะได้เห็นว่าแอปพลิเคชันเหล่านี้จะเริ่มใช้งานจริงในอนาคต ไม่คิดว่าจะต้องรอนาน

คุณสามารถอธิบายได้หรือไม่ว่าการใช้ภาพ 3 มิติในอีคอมเมิร์ซสามารถเพิ่มอัตราการคลิกและรายได้ได้อย่างไร?

ฉันคุ้นเคยกับยอดขายส่งและขายปลีกรถยนต์มากที่สุด ภาพ 3 มิติได้สร้างความไว้วางใจใหม่สำหรับผู้ซื้อออนไลน์ ซึ่งเป็นสิ่งสำคัญอย่างยิ่งสำหรับสินค้าที่มีราคาแพง เช่น รถยนต์

ข้อมูลภายในของเราบ่งชี้ว่าภาพ 3 มิติเพิ่มการมีส่วนร่วมของผู้ใช้และเวลาที่ใช้ในการดูรายละเอียดของรถยนต์ ซึ่งจะช่วยเพิ่มยอดขายรถยนต์ การให้ประสบการณ์ 3 มิติที่เหมือนจริงของรถยนต์ยังช่วยสร้างความรู้สึกที่ดีต่อผู้ขายโดยการเพิ่มความไว้วางใจ

คุณสามารถอธิบายได้หรือไม่ว่าหนึ่งในตัวเลือกของ Fyusion คือการประมวลผลข้อมูลที่เครื่องหรือบนคลาวด์ และคุณสามารถอธิบายถึงประโยชน์ของแต่ละตัวเลือกได้หรือไม่?

ที่เครื่อง AI ขอบเขตทำให้นักพัฒนาต้องทำงานภายในข้อจำกัดที่สำคัญ โดยเฉพาะสำหรับการใช้งานโทรศัพท์มือถือ นอกเหนือจากข้อกังวลมาตรฐานสำหรับนักพัฒนาอายุ AI—ความเหมาะสมของเครือข่ายอย่างไร? ผลลัพธ์มีความน่าเชื่อถืออย่างไร?—มีข้อกังวลทางปฏิบัติที่ชัดเจน เช่น ความดันหน่วยความจำ การดูดแบตเตอรี่ ความเป็นไปได้ที่กระบวนการของคุณจะถูกพื้นหลังโดยผู้ใช้หรือระบบปฏิบัติการ และอื่นๆ และนั่นก็สมมติว่า CPU และ GPU ที่เทียบเท่ากันพร้อมใช้งานที่ขอบเขต ซึ่งแม้แต่สำหรับอุปกรณ์แฟลกชิปก็ไม่ค่อยเป็นเช่นนั้น

คุณต้องวางแผนสำหรับทุกกรณีเฉพาะ; ในทางกลับกัน บนคลาวด์ วิธีแก้ปัญหาใดๆ สามารถติดตามและปรับให้เหมาะสมได้

แต่พูดถึงโดยรวมแล้ว AI ขอบเขตอาจถือได้ว่าเป็น “การปรับขนาดอัตโนมัติ” ที่สมบูรณ์แบบ: สำหรับผู้ใช้ใหม่ทุกคน คุณจะมีเครื่องจักรใหม่ที่พร้อมใช้งาน หากคุณได้ปรับให้เครือข่ายของคุณทำงานที่ขอบเขตทั้งหมด คุณสามารถให้บริการลูกค้า 2 คนหรือ 2 ล้านคนได้อย่างง่ายดาย

ในขณะที่ฮาร์ดแวร์ที่มีประสิทธิภาพสูงสุดจะอยู่บนคลาวด์เสมอ แต่ก็ยอมรับกันโดยทั่วไปว่าข้อมูลคือราชา ข้อมูลที่มีมากขึ้นและใกล้กับข้อมูลดิบมากเท่าใดก็จะดีเท่านั้น AI ที่ขอบเขตมีเข้าถึงข้อมูลดิบที่ไม่ผ่านการประมวลผล โดยไม่มีข้อจำกัด ในทางกลับกัน สำหรับวิธีแก้ปัญหา AI บนคลาวด์ ข้อมูลเข้าจะต้องถูกประมวลผล (บีบอัด, ส่วน) หรือมีขนาดใหญ่มาก ซึ่ง ณ จุดนั้นแบนด์วิธกลายเป็นข้อกังวลที่สำคัญ

เนื่องจาก AI ที่ขอบเขตอยู่ใกล้กับผู้ใช้มากที่สุด มันจึงเปิดโอกาสให้ใช้งานได้หลากหลายที่ AI บนคลาวด์ไม่สามารถทำได้ หากได้รับการปรับให้ทำงานแบบเรียลไทม์ มันสามารถให้ข้อเสนอแนะแบบเรียลไทม์ได้ ซึ่งหมายความว่าคุณสามารถสร้างโซลูชันที่ไม่เพียงแต่ดูดข้อมูลเท่านั้น แต่ยังช่วยให้ผู้ใช้ให้ข้อมูลที่ดีขึ้น

5G จะช่วยให้การเติบโตของเทคโนโลยีการมองเห็นคอมพิวเตอร์เร็วขึ้นได้อย่างไร?

เมื่อความเร็วในการเชื่อมต่อเร็วขึ้น คุณสามารถย้ายการประมวลผลไปยังคลาวด์ได้มากขึ้น ซึ่งเปิดโอกาสให้ใช้งานแอปพลิเคชันการมองเห็นคอมพิวเตอร์ใหม่ๆ ได้ อย่างไรก็ตาม มันขึ้นอยู่กับแอปพลิเคชันและวิธีการนำไปใช้

5G อาจส่งผลกระทบต่อการกระจายและเพิ่มช่องว่างดิจิทัล เนื่องจากบางส่วนของโลกมีการเชื่อมต่อที่เร็วขึ้น ในขณะที่พื้นที่อื่นๆ จะยังคงมีการเชื่อมต่อที่ช้า การใช้งานที่เน้นไปที่ผู้ที่มีการเข้าถึง 5G จะได้รับประโยชน์อย่างชัดเจน แต่โดยทั่วไปแล้ว การใช้งานที่ได้รับการยอมรับอย่างกว้างขวางอาจต้องเลือกระหว่างการใช้เวลาและเงินในการพัฒนาสองรุ่นของแอปพลิเคชันเดียวกัน หรือยึดติดกับรุ่นเดียวที่มีประสิทธิภาพน้อยกว่า แต่สามารถทำงานได้บนการเชื่อมต่อที่หลากหลาย

คุณสามารถอธิบายได้หรือไม่ว่า Fyusion กำลังดำเนินการใดๆ เพื่อใช้ประโยชน์จาก 5G ที่จะมาถึงในอนาคต?

ฉันต้องการที่จะเน้นย้ำว่า Fyusion ได้ใช้เวลาอย่างมากในการรับรองว่าลูกค้าสามารถเข้าถึงแอปพลิเคชันของเราได้แม้บนโทรศัพท์เก่าๆ ที่มีการเชื่อมต่อที่ไม่ดี ด้วย Manheim เพียงอย่างเดียว เทคโนโลยีของเรามีการถ่ายภาพรถยนต์มากกว่า 1 ล้านคัน และเราจะไม่สามารถบรรลุเป้าหมายนั้นได้หากไม่มีการทำเช่นนั้น

อย่างไรก็ตาม เราได้รับการสนับสนุนอย่างมากจากสิ่งที่เรากำลังเห็นในขณะนี้—เป็นสามเท่าของความเร็วในการประมวลผลที่เพิ่มขึ้น การเชื่อมต่อ 5G และการปฏิวัติในด้านกล้องโทรศัพท์มือถือ เมื่อรวมทั้งหมดนี้เข้าด้วยกัน คุณจะได้รับการพัฒนาที่น่าตื่นเต้นบางอย่างที่ฉันไม่สามารถแบ่งปันให้คุณได้ในขณะนี้

มีอะไรอีกไหมที่คุณต้องการแบ่งปันเกี่ยวกับ Fyusion?

เป็นช่วงเวลาที่น่าตื่นเต้นมากที่จะทำงานในด้านการมองเห็นคอมพิวเตอร์—เป็นวิชาที่เริ่มเข้าสู่กระแสหลักหลังจากหลายปีที่ถูกพูดถึงในฐานะเทคโนโลยีในอนาคต Fyusion กำลังเติบโตอย่างรวดเร็ว และเรากำลังจ้างนักวิทยาศาสตร์ด้านการมองเห็นคอมพิวเตอร์จากทั่วโลก สมาชิกในทีมของเราสามารถทำงานจากที่ใดก็ได้ แต่พวกเขายินดีต้อนรับเสมอในสำนักงานของเราใน Potrero Hill

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Fyusion เพื่อเรียนรู้เพิ่มเติม