computer-vision-expert

Computer Vision Expert 是一款面向2026年最前沿技术栈的专业架构咨询技能，专注于为复杂视觉系统提供从算法选型到生产部署的端到端指导。

核心用法：该技能充当高级视觉系统架构师角色，主要提供四大技术领域的深度咨询：基于YOLO26的统一实时检测系统（支持NMS-free架构和边缘设备优化）、SAM 3的可提示分割能力（包括文本到掩码和3D重建）、视觉语言模型（VLM）的语义理解应用，以及结合深度估计和视觉SLAM的空间几何重建。用户可通过结构化咨询获取特定场景的技术方案，如工业质检中的文本引导检测流程设计，或自动驾驶中的实时3D场景重建策略。

显著优点：技术前瞻性突出，涵盖YOLO26、SAM 3等尚未普及的SOTA模型，提供未来1-2年的技术路线指引；架构完整性优异，覆盖从模型训练（MuSGD优化器）、精度提升（ProgLoss/STAL）到边缘部署（ONNX/TensorRT/NPU）的全链路；实用性强调试优化，特别针对工业物联网和嵌入式场景提供DFL移除、量化蒸馏等具体技巧。

潜在局限：作为纯文档型技能，无法直接执行代码或验证模型效果，用户需在独立环境中自行实现；技术时效性强，2026技术栈可能存在版本迭代风险；T3来源（社区开发者）意味着技术建议需结合官方文档交叉验证，不适合作为唯一技术依据。

适用人群：计算机视觉算法工程师、AI系统架构师、嵌入式视觉开发者、机器人视觉研究员，以及需要将传统CV升级为深度学习方案的产品经理。特别适合面临复杂空间理解任务（如3D重建、多模态感知）且具备一定工程实施能力的团队。

使用风险：主要风险在于理论与实践差异，文档提供的优化参数（如YOLO26的特定配置）可能因硬件环境不同而效果迥异；模型部署涉及第三方框架（TensorRT、ONNX Runtime）的兼容性问题需自行验证；此外，SAM 3等基础模型的商用授权和计算资源需求（VRAM）需提前评估。