Computer Vision 2.0 hadir untuk menjawab kebutuhan tersebut dengan menggunakan pendekatan yang lebih modern dan realistis.
Yang membuat benchmark ini menarik adalah jenis pengujian yang dilakukan. Tidak hanya sekadar tes angka, Computer Vision 2.0 mencoba mensimulasikan berbagai skenario penggunaan nyata yang sering kita temui sehari-hari.
Misalnya dalam klasifikasi gambar, sistem akan menguji seberapa cepat dan akurat perangkat dalam mengenali objek di dalam sebuah gambar. Ini adalah teknologi yang sering digunakan dalam aplikasi galeri foto atau pencarian berbasis gambar.
Kemudian ada deteksi objek, yang sangat umum digunakan dalam kamera smartphone maupun sistem keamanan. Dalam pengujian ini, perangkat akan diuji kemampuannya dalam mendeteksi banyak objek dalam satu tampilan secara bersamaan.
Selain itu, terdapat juga image captioning, yaitu kemampuan AI untuk membuat deskripsi otomatis dari sebuah gambar. Fitur ini biasanya digunakan untuk membantu aksesibilitas atau pengelompokan konten secara otomatis.
Pengujian lainnya termasuk segmentasi gambar, di mana AI tidak hanya mengenali objek tetapi juga memisahkan setiap bagian dalam gambar dengan detail yang tinggi.
Tidak ketinggalan, Computer Vision 2.0 juga menguji kemampuan video upscaling berbasis AI, yang saat ini semakin sering digunakan untuk meningkatkan kualitas video agar terlihat lebih tajam.
Semua pengujian ini dirancang agar mendekati kondisi penggunaan sehari-hari, sehingga hasil yang diberikan lebih mudah dipahami dan lebih relevan bagi pengguna.
Salah satu hal penting yang ikut mendorong hadirnya benchmark ini adalah munculnya era AI PC. Saat ini, perangkat modern tidak hanya mengandalkan CPU dan GPU, tetapi juga mulai dilengkapi dengan NPU atau Neural Processing Unit.
NPU merupakan komponen khusus yang dirancang untuk menangani beban kerja AI dengan lebih efisien. Namun, setiap perangkat memiliki pendekatan yang berbeda dalam menjalankan AI.
Ada perangkat yang lebih mengandalkan GPU, ada juga yang mulai fokus pada NPU, dan sebagian lainnya masih menggunakan CPU sebagai komponen utama.
Computer Vision 2.0 dirancang agar bisa menyesuaikan dengan berbagai jenis hardware tersebut. Benchmark ini mampu menggunakan berbagai tingkat presisi komputasi seperti FP32, FP16, hingga INT8, tergantung pada kemampuan perangkat yang diuji.
Dengan pendekatan ini, hasil pengujian menjadi lebih fleksibel dan adil untuk berbagai konfigurasi hardware.
Selain itu, benchmark ini juga mendukung berbagai platform seperti Windows dan macOS. Hal ini memberikan fleksibilitas lebih bagi developer, vendor hardware, maupun perusahaan yang menggunakan berbagai sistem dalam pekerjaan mereka.
Kehadiran Computer Vision 2.0 menjadi sangat penting karena saat ini AI sudah tidak lagi terbatas pada server atau data center. Teknologi ini sudah hadir di perangkat sehari-hari seperti laptop, PC, dan bahkan perangkat kecil lainnya.
Oleh karena itu, dibutuhkan standar baru yang bisa mengukur performa AI secara lebih akurat dan relevan.
Computer Vision 2.0 hadir sebagai jawaban atas kebutuhan tersebut. Dengan pendekatan yang lebih realistis, penggunaan model AI modern, serta fokus pada skenario penggunaan nyata, benchmark ini berpotensi menjadi standar baru dalam dunia pengujian performa hardware.
Ke depannya, kemampuan AI kemungkinan akan menjadi salah satu faktor utama dalam menentukan kualitas sebuah perangkat, sejajar dengan CPU dan GPU.
Dan jika tren ini terus berkembang, Computer Vision 2.0 bisa menjadi salah satu acuan utama dalam menilai performa perangkat di era AI.
