Nowy rodzaj wizji komputerowej nie może zostać oszukany przez dziwne oświetlenie

Kategoria: Bez kategorii Opublikowany 21 listopada

Wizja komputerowa przeszła długą drogę od tego czasu imagenet , duży zbiór danych o otwartym kodzie źródłowym, zawierający obrazy z etykietami, został udostępniony naukowcom w 2009 r. do wykorzystania do trenowania sztucznej inteligencji — ale obrazy z trudnym lub złym oświetleniem mogą nadal mylić algorytmy. Naukowcy albo próbowali zastosować ręcznie opracowane zasady dotyczące interakcji światła z obiektami, albo wykorzystali zestaw danych obejmujący jak najwięcej sytuacji oświetleniowych. Ale w prawdziwym świecie istnieje prawie nieograniczona kombinacja przedmiotów i światła, co utrudnia oba podejścia.

Nowy artykuł naukowców z MIT i DeepMind szczegółowo opisuje proces, który może identyfikować obrazy w różnym oświetleniu bez konieczności ręcznego kodowania reguł lub trenowania na ogromnym zestawie danych. Proces ten, zwany renderowaną siecią wewnętrzną (RIN), automatycznie dzieli obraz na warstwy odbicia, kształtu i oświetlenia. Następnie ponownie łączy warstwy w rekonstrukcję oryginalnego obrazu.

Aby wytrenować RIN, naukowcy stworzyli zestaw danych składający się z pięciu kształtów — sześcianów, kul, stożków, walców i torusów — i zrenderowali każdy z 10 różnymi orientacjami i 500 różnymi kolorami. W ramach weryfikacji koncepcji naukowcy wykazali, w jaki sposób rozbicie obrazu na trzy warstwy może pomóc komputerowi zidentyfikować przedmiot na obrazie lub wywnioskować jego kształt. Na przykład model nauczył się dostrzegać znacznie bardziej skomplikowane elementy — takie jak klasyczne modele testowe obrazów Królik Stanforda , Czajnik Utah , oraz Suzanne Blendera — po przeszkoleniu w zakresie podstawowych kształtów próbek, nigdy nie widząc oznaczonych przykładów.

Oprócz oferowania nowego sposobu rozwiązania problemu nieskończonego oświetlenia obrazu, RIN jest również przykładem uczenia się z nieoznakowanymi danymi. Większość AI nadal potrzebuje oznaczonych danych, aby się uczyć, a przygotowanie ich zajmuje wiele godzin powtarzalnej pracy ludzkiej. Znalezienie sposobu na uczenie się na podstawie nieoznakowanych danych to jedna z kolejnych granic w sztucznej inteligencji.