TrOCR
图像到文字序列
面向文字识读，连接图像特征编码与文本序列解码，再与翻译输出衔接。模型解码在数字端完成。
外文标识与译文提示 · PPT 场景示意
01 / 识读与翻译从眼前的文字，
从眼前的文字，
到可以理解的内容。
面对书页、路牌和标识，前端先提供有效的文字图像，端侧 OCR 将图像中的字符转成文本，再由翻译模块生成译文。
采集文字图像识别原文翻译与输出
- 前端负责什么感知、编码与适合前移的特征处理。
- 主控负责什么文本解码、翻译，以及显示或语音交互。
会议中的白板、发言与笔记 · 项目 PPT 场景图片
02 / 会议与语音让所见与所听，
让所见与所听，
保留在同一条时间线上。
视觉通路关注白板和投影，音频通路关注讲话内容。两类信息分别处理后，由主控软件按时间关联，形成可回顾的会议线索。
- 视觉信息获取白板、投影与方案变化，提供图像及特征输入。
- 语音信息通过语音识别与时序算法整理发言内容。
- 内容关联围绕同一时间段关联文字、画面与后续整理。
标识识别应用场景 · 项目 PPT 素材
03 / 环境感知识别场景中的目标，
识别场景中的目标，
组织持续变化的信息。
不同波段提供互补的输入线索。感知模式选择、前端处理和目标检测算法协同，将环境中的标识与物体转成可交互的信息。
场景输入目标检测信息提示
算法适配
不同任务，采用不同处理方式。
YOLO
目标定位与识别
面向环境中的物体和标识，从输入画面中定位目标区域，形成后续提示的基础。
Reservoir Computing
时序特征与状态表示
利用动态响应表示输入过程，为语音或视觉时序任务探索感知端特征提取与读出分类的协同。
不止于眼镜，
让前端能力进入更多场景。
从智能眼镜出发，走向更多需要持续观察、及时理解的终端。玄光明鉴以低功耗视觉前端为基础，探索感知、编码与部分计算在前端协同完成的应用方式。器件及驱动采集样机已完成，下一步将围绕模组集成和具体任务，逐项验证真实场景中的感知质量、能耗与交互体验。
查看未来应用方向