比如当超级相机捕捉人手图像时,能揭示每个人的血管细节及皮肤纹理模式,这样就可以帮助机器识别手势,识别生物特征,甚至可以区分玩同一款电子游戏的两个人。
在另一个测试里,团队采集了10种不同水果在一周内的超光谱图像,超级相机的图像对水果成熟度的预测准确度达94%,而普通相机只能达到62%的精确度。
Patel 对此称,“有了这样的相机,你就可以看到那些肉眼无法观察到的细节,找出产品的内部问题。这就是一款食品安全应用。”
比如当超级相机捕捉人手图像时,能揭示每个人的血管细节及皮肤纹理模式,这样就可以帮助机器识别手势,识别生物特征,甚至可以区分玩同一款电子游戏的两个人。
在另一个测试里,团队采集了10种不同水果在一周内的超光谱图像,超级相机的图像对水果成熟度的预测准确度达94%,而普通相机只能达到62%的精确度。
Patel 对此称,“有了这样的相机,你就可以看到那些肉眼无法观察到的细节,找出产品的内部问题。这就是一款食品安全应用。”