在大多数人印象中，AR眼镜的主要特征是提供虚实融合的视觉辅助效果。实际上，与同样基于虚拟技术的VR相比，AR不仅仅能够看到真实环境，它的应用场景和VR也不同，因为它可以通过一系列智慧的功能来辅助日常生活、工作和学习。
此前Meta就曾提出，AR眼镜将采用支持场景感知的AI算法，推算使用者在场景中需要获取的信息，以及需要执行的下一步动作，接着使用者可以用EMG腕带来进行确认。的确，穿戴式AR眼镜与智能AI助手结合是必然的结果，市面上大多数非AR的智能眼镜已经配备语音助手，相比之下AR眼镜需要的不只是语音助手，它应该可以通过摄像头来提供智能的视觉辅助，就像是科幻电影描述的那样。
近年来，计算机视觉技术已经得到长足发展，相关算法可以识别不同类型的物体，或是用于手势识别、人脸识别等场景。不过，目前计算机视觉算法面临的最大难题是，它主要是基于第三人称视角的照片和视频训练的，因此AI相当于以旁观者的角度去识别周围环境和活动，如果将它应用于家用机器人或AR眼镜，则需要识别第一人称图像，这对基于第三人称数据训练的AI并不友好。
为了解决上述问题，Meta近期开源了市面上最大的第一人称视频数据集Ego4D，视频时长累计3205小时，号称是其他同类数据集规模的20多倍。据悉，该数据集是Meta与全球13所大学合作的成果，共耗时2年时间完成。另外，Ego4D数据基于室内和室外场景，来源也分布在世界多个国家，比如：自沙特阿拉伯、东京、洛杉矶和哥伦比亚等等。
为何收集第一人称视频
收集了这么多第一人称视角的视频，它和第三人称视频有什么区别呢？简单来讲，就像是在过山车上看景色，和从地面看过山车之间的区别。
人的大脑可以轻易将第一人称和第三人称视角联系起来，而现有的AI技术不支持这样灵活的分析能力，因此如果让计算机视觉算法理解过山车上的景色，它可能并不能看懂，因为训练算法的数据一般是地面上拍摄的第三人称视频。
AI科研人员KristenGrauman表示：为了让AI像人一样与周围的环境交互，它需要具备第一人称感知能力，像人眼一样感知实时运动、交互和多感官视觉。
而和许多视频数据不同，Ego4D视频通过头戴摄像头来拍摄，因此可以模拟第一人称视角，而且它们是一系列动态的活动，而不只是一张一张图片。因此，Ego4D的出现有望为第一人称计算机视觉打开新的场景，用于穿戴式摄像头、家用机器人助手等设备，这些设备将通过第一人称摄像头来理解周围的环境。
Meta还透露：Ego4D录制的视频来自于未经编排的日常活动，包括施工、购物、玩游戏、烘焙、撸猫/狗、社交等等。通过面部打码等方法，去除可识别的身份等信息后，大学才将这些视频数据提供给Meta。视频内容涉及环境、人手动作，以及和一百种不同的物品交互。除此之外，FRL科研人员也利用VuzixBladeAR眼镜，在预先设定的实验室场景中，收集了额外400小时的第一人称视频数据。
科技创新依赖新工具
Meta表示：旧的工具无法开发未来的科技创新。因此，AR眼镜的智能AI系统也需要全新的训练数据。据Meta设想，Ego4D训练的AI算法将具备以下功能：
- 1）情景记忆：时间和事件；
- 2）预测：接下来的行为；
- 3）识别手势和物体交互：正在做什么；
- 4）音频和视觉分析：谁说了什么、什么时间、中心思想是什么；
- 5）社交互动：谁和谁在互动，人群中谁在和我说话。
（作为AI训练的基准，这些功能或应用场景也是Ego4D的一部分，Meta希望通过开源数据集和训练基准，将技术研发开放给世界各地的科研人员，鼓励更多人用Ego4D数据来训练AI系统）
Meta科研人员指出，Ego4D将具备情景记忆，以及视觉和听觉记录功能。其中，情景记忆指的是可以记住发生在特定时间和地点的事件，能够回答“钥匙放在哪了”等问题。此外，AR眼镜将教你学习打鼓、做菜、找钥匙，或是用全息图像来显示过去的记忆。比如指导IKEA家具安装，或是提示做饭步骤，如果已经放盐，系统会提醒你避免重复加盐。
而为了实现上述场景，Meta需要训练足够智能的AI系统，像人一样以第一人称理解世界，与世界互动，这种形式也被科研领域称为自我为中心的感知。
目前，Ego4DAI系统还不能达到理想的效果，因此它只是一个科研项目，并不是正在开发中的产品。不过，很可能会在未来的AR眼镜中应用这样的技术。MetaAI科研人员KristenGrauman表示：Ego4D等AI算法有望通过AR眼镜，解锁更多潜在场景，甚至将AR与VR融合。
当被问及隐私安全问题时，Meta表示：Ego4D预计将进一步引入隐私保护措施，例如：AR眼镜在增强音频之前，可以先征求用户许可，或者限制音频采集的范围，仅识别用户与其他人的对话，或用户附近的声音。参考：
