Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
A Vertex AI Vision é uma plataforma com tecnologia de IA para receber, analisar e armazenar dados de vídeo
. A Vertex AI Vision permite que os usuários criem e implantem
aplicativos com uma interface simplificada.
Com a Vertex AI Vision, é possível criar soluções completas de imagens computacionais
aproveitando a integração da Vertex AI Vision
com outros componentes importantes, como a Análise de vídeo ao vivo, os fluxos de dados e o Vision Warehouse. A API Vertex AI Vision permite que você
crie um app de alto nível a partir de APIs de baixo nível e crie e atualize um fluxo de trabalho de alto
nível que combina várias chamadas de API individuais. Em seguida, você pode executar seu fluxo de trabalho como uma unidade fazendo uma única solicitação de implantação para o servidor da plataforma Vertex AI Vision.
Com a Vertex AI Vision, você pode:
Ingerir dados de vídeo em tempo real
Analisar dados para gerar insights usando modelos de IA de visão gerais e personalizados
Armazenar insights no Vision Warehouse para simplificar as consultas e as informações de metadados
Fluxo de trabalho da Vertex AI Vision
Siga estas etapas para usar a Vertex AI Vision:
Ingerir dados em tempo real
A arquitetura da Vertex AI Vision permite transmitir a infraestrutura de ingestão de vídeo em tempo real de maneira rápida e
conveniente em uma
nuvem pública.
Analise dados
Depois que os dados são ingeridos, o framework da Vertex AI Vision oferece acesso e orquestração fáceis a um portfólio grande e em crescimento de modelos de análise gerais, personalizados e especializados.
Armazenar e consultar saídas
Depois que o app analisar seus dados, você poderá enviar essas informações para um destino de armazenamento (Vision Warehouse ou BigQuery) ou receber os dados em tempo real. Com o Vision Warehouse, é possível enviar a saída do app
para um armazém que generaliza seu trabalho de pesquisa e atende
vários tipos de dados e casos de uso.
Um gráfico de um app de análise de ocupação da Vertex AI Vision no Google Cloud console
Uma observação sobre a IA responsável
Na Google Cloud, priorizamos ajudar os clientes a desenvolver e implementar soluções com segurança usando a Vertex AI Vision. Para a Vertex AI Vision, trabalhamos para
desenvolver um desempenho justo e equitativo de acordo com os
Princípios de IA do Google.
Esse trabalho inclui testes de viés durante o desenvolvimento, por exemplo, analisando
o desempenho em diferentes tons de pele e desenvolvendo recursos de produtos para
melhorar a privacidade e limitar a identificação pessoal, como desfoque de pessoas e rostos.
Estamos comprometidos em iterar e melhorar e vamos continuar
incorporando as práticas recomendadas e as lições aprendidas aos nossos produtos da Vertex AI.
Quando a Vertex AI Vision é integrada ao contexto organizacional exclusivo de um cliente, é provável que haja outras considerações de IA responsável.
Incentivamos os clientes a aproveitar as práticas recomendadas de imparcialidade, interpretabilidade, privacidade e
segurança ao implementar a Vertex AI Vision,
principalmente ao criar modelos personalizados ou treinados pelo AutoML. Ao longo desta
documentação técnica, fornecemos outras orientações e recursos para
apoiar esse trabalho. Para saber mais, leia as recomendações do Google
para práticas de IA responsável.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-11 UTC."],[],[],null,["# Vertex AI Vision overview\n\nVertex AI Vision is an AI-powered platform to ingest, analyze and store video\ndata. Vertex AI Vision lets users build and deploy\napplications with a simplified user interface.\n\nUsing Vertex AI Vision you can build end-to-end computer image solutions by\nleveraging Vertex AI Vision's\nintegration with other major components, namely Live Video Analytics,\ndata streams, and Vision Warehouse. The Vertex AI Vision API allows you to\nbuild a high level app from low level APIs, and create and update a high\nlevel workflow that combines multiple individual API calls. You can then\nexecute your workflow as a unit by making a single deploy request to\nthe Vertex AI Vision platform server.\n\nUsing Vertex AI Vision, you can:\n\n- Ingest real-time video data\n- Analyze data for insights using general and custom vision AI models\n- Store insights in Vision Warehouse for simplified querying and metadata information\n\nVertex AI Vision workflow\n-------------------------\n\nThe steps you complete to use Vertex AI Vision are as follows:\n\n1. **Ingest real-time data**\n\n Vertex AI Vision's architecture allows you to quickly and\n conveniently stream real-time video ingestion infrastructure in a\n public Cloud.\n2. **Analyze data**\n\n After data is ingested, Vertex AI Vision's framework provides you with easy\n access and orchestration of a large and growing portfolio of *general* ,\n *custom* ,\n \\& *specialized* analysis models.\n3. **Store and query output**\n\n After your app analyzes your data you can send this information to a\n storage destination (Vision Warehouse or BigQuery), or\n receive the data live. With Vision Warehouse you can send your app\n output to a warehouse that generalizes your search work and serves\n multiple data types and use cases.\n\n*A graph for a Vertex AI Vision occupancy analytics app in the Google Cloud console*\n\nA note on Responsible AI\n------------------------\n\nAt Google Cloud, we prioritize helping customers safely develop and implement\nsolutions using Vertex AI Vision. For Vertex AI Vision, we've worked to\ndevelop fair and equitable performance in accordance with\n[Google's AI Principles](https://ai.google/principles/).\n\nThis work includes testing for bias during development, for example looking at\nperformance across different skin tones, and developing product features to\nenhance privacy and limit personal identification, like person and face blur.\nWe are committed to iterating and improving, and we will continue to\nincorporate best practices and lessons learned into our Vertex AI\nproducts.\n\nWhen Vertex AI Vision is integrated into a customer's unique organizational\ncontext, there are likely to be additional responsible AI considerations.\nWe encourage customers to leverage fairness, interpretability, privacy and\nsecurity [best practices](https://ai.google/responsibilities/responsible-ai-practices/?category=general) when implementing Vertex AI Vision,\nespecially when building custom or AutoML trained models. Throughout this\ntechnical documentation, we have provided additional guidance and resources to\nsupport this work. To learn more, read about Google's recommendations\nfor [Responsible AI practices](https://ai.google/responsibilities/responsible-ai-practices/?category=general).\n\nWhat's next\n-----------\n\n- Read more in the blog post [\"Vertex AI Vision: Easily build and deploy computer vision\n applications at scale\"](https://cloud.google.com/blog/products/ai-machine-learning/computer-vision-for-vertex-ai).\n- Learn details about specific models in the [Occupancy analytics guide](/vision-ai/docs/occupancy-analytics-model), [Person blur guide](/vision-ai/docs/person-blur-model), [Person/vehicle detector guide](/vision-ai/docs/person-vehicle-model), or [Motion filtering guide](/vision-ai/docs/motion-filtering-model).\n- Try Vertex AI Vision in the Google Cloud console by reading the [Build an app in the console](/vision-ai/docs/build-app-console-quickstart) quickstart.\n- [Set up your local environment](/vision-ai/docs/cloud-environment) to use Vertex AI Vision."]]
