Volume 3,Issue 9
AIGC 技术推进智能视觉创新的影响与前瞻研究
人工智能生成内容(Artificial Intelligence Generated Content, AIGC) 的快速迭代与升级打破了传统智能视觉系统感知与处理能力的局限性,重构了智能视觉领域的技术范式与产业生态。传统智能视觉系统以判别模型作为核心点,存在数据依赖度高、场景泛化能力弱、内容生成与理解割裂等固有缺陷,难以适配复杂动态场景下的现代化应用需求。本文以AIGC 技术与智能视觉系统的深度融合为研究核心,系统剖析AIGC 驱动智能视觉系统技术创新的内在机理,从感知能力、内容创作、场景适配、算法架构四个维度阐述技术成效。研究旨在理清AIGC 与现代化智能视觉系统的融合逻辑,为智能视觉技术创新迭代、产业规模化落地提供理论参考与实践指引。
[1] 张倩. 基于AIGC 技术的计算机视觉系统图像生成方法研究[J]. 信息记录材料,2025(05):89-91.
[2] 王冬雪. 生成式人工智能在视觉图像设计中的应用研究[D]. 兰州: 兰州财经大学,2025.
[3] 中国图象图形学报编辑部. AIGC 视觉内容生成与溯源研究进展[J]. 中国图象图形学报,2026(02):210-225.
[4] 李浩然, 张敏. 基于扩散模型的视觉图像视频生成技术综述[J]. 计算机辅助设计与图形学学报,2024(11):1980-1992.
[5] 陈宇轩. AIGC 驱动下智能视觉感知系统的技术变革与应用创新[J]. 人工智能与大数据,2025(03):45-52.
[6] 刘安安, 苏育挺, 王岚君.AIGC 视觉内容生成与溯源研究进展 [J].中国图象图形学报,2024,29 (06):1535–1554.
[7] 孙文倩. 人工智能技术辅助下的图像生成艺术创作研究[D]. 上海:华东师范大学,2023.