ラベルから接地へ
ImageNetは、写真に現れるものに名前を付けることを機械に教えることで、現代の眼を可能にした。しかし命名は配置ではない。フェイフェイ・リーの空間的転回は、「真に空間的文脈を持ち接地された」ピクセルを求める——a16zの対話からのこの言葉は、検出と世界性の違いを捉えている。YOLOはリアルタイム認識を加速し、CLIPは視覚を言語と結びつけた。どちらも単独ではその隔たりを埋めない。困難な一歩は、表現を三次元空間に応答させることだ。そこでは物体が持続し、遮蔽し、動く。Atlasはその隔たりを越えられるという彼女の賭けである。






