日本東京大學發表革命性高速即時動態光雕投影技術,扭曲變形的衣服一樣能投影
日本東京大學發表革命性高速即時動態光雕投影技術,扭曲變形的衣服一樣能投影

光雕投影(或稱 3D 投影映射)是這幾年來大型表演活動中常被運用的新興技術,透過光雕可以改變建築物或者任何物體的外觀,把現實世界中平淡無奇的物體變得如夢如幻,大開觀眾的想像空間。不過,當前的光雕投影有些限制:被投射物必須是不會變形的剛體。而在上周,日本東京大學的石川渡邊研究室突破了這項侷限,發表了新成果──「以高速投影到動態變形非剛性表面的投影方法」。

<iframe width="640" height="360" src="https://www.youtube.com/embed/-bh1MHuA5jU" frameborder="0" allowfullscreen></iframe>

在進入正題之前,先大略介紹一下光雕投影。簡單說,就是準備很多很多台的投影機,圍繞在一棟建築物的四周,然後用電腦控制這一大堆投影機,在晚上投影到建築物上,將建築物當做畫布,做出種種絢麗的表演。演出過程要考量到建築物是立體的,必須考量投影到的表面不是平的,得用電腦把投影的畫面事先針對每一台投影機要投射到的地方,算出對應的變形,才能投影出去。可以是在上面畫東西,也可能是天馬行空地把建築物變成完全不同的東西等。關於實際的作品,筆者推薦非常經典的《2012 東京光之祭典》或者日本萬代玩具公司出的一場表演的迷你版 HAKO VISION(用手機就可以欣賞)。

而這樣的技術,僅限於事先做好的靜態影片內容與靜態投影環境,東京大學的石川渡邊研究室不滿足於此,企圖克服這樣的限制,進行了動態光雕投影的研究。動態光雕投影的困難,是要捕捉真實世界「布幕」的動態即時變形,隨即低延遲地調整好要投影的虛擬影像,使投射出去以後,讓我們的視覺感官覺得吻合、沒有破綻。這最基本需要一台畫面更新率高、低延遲的投影機,於是該實驗室就自行開發了高速投影機「DynaFlash」,它在 8bit 色階(一個點可以有 256 色)時更新率高達 1000FPS,最低延遲(latency)才 3 毫秒(ms)。

DynaFlash.jpg
DynaFlash 投影機

有了這個基礎以後,更進一步要處理最有挑戰性的部分:如何正確投射影像到非剛性不斷形變甚至有遮蓋情形的「布幕」上呢?如果用即時影像辨識技術的話,是來不及的。石川渡邊研究室提出了這樣的新方法──「可變形點陣標記」( Deformable Dot Cluster Marker,DDCM),這個做法類似 AR 擴增實境的概念,是用紅外線才看得到的墨水(人眼看不到),在衣服上面事先印好特定的點陣標記圖後,即使目標物發生大變形或者遮擋,DynaFlash 投影機的感應器也能穩定地在 1,000fps 下即時「看到」目標物上的點陣標記,以投射出正確的變形後畫面。

使用這些基本技術,包括 DynaFlash 和 DDCM,就可以在變形非剛性表面上進行新式的動態投影映射了。在石川渡邊研究室的展示影片中,可以發現翻轉、扭曲、移動、伸縮都難不倒,由於投影和感測都是以 1,000fps 的速度在運作,就好像投影的圖案本來就是印在衣服上般地自然。更特別的是,可變形點陣標記可以是複數的,也就是說這讓投影機可以靈活地「辨識」出不同的目標物,而同時加以投影出不同的圖案。

在應用上,可以想像演唱會表演時,偶像歌手穿著一件單色白淨的衣服,不用實際的換裝,就可以變換出一件又一件的不同衣裝;不用拜師學數十年學習高難度的川劇變臉技術,臉上只要戴著一張純白的面具,就可以一張又一張的不斷翻臉。非娛樂的應用方面,不用開刀,投影出內臟器官到人體上,輔助醫學院教學應該也是可預見的應用。真期待這項技術的後續發展呢!

本文授權轉載自:科技新報

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓