Gumamit ang Google ng mga video sa youtube mula sa hamon ng mannequin upang sanayin ang ai

Talaan ng mga Nilalaman:

Anong kailangan mong malaman
Kumuha ng Higit pang Pixel 3a
Google Pixel 3a

Anong kailangan mong malaman

Sinasanay ng Google ang AI nito upang lumikha ng mga malalim na mapa na ibubukod ang mga paksa ng tao sa eksena gamit ang isang camera lamang.
Bilang panimulang punto, ginamit ng Google ang mga video sa YouTube ng 2000 mula sa Mannequin Hamon upang sanayin ang AI.
Ang mga resulta ay hahantong sa kakayahang magdagdag ng mga epekto sa mga video, tulad ng portrait mode, at gagamitin para sa Augmented Reality.

Sa isang kamakailang post sa blog, detalyado ng Google kung paano ito gumagana sa malalim na pang-unawa sa mga video kung saan gumagalaw ang parehong kamera at paksa. Bilang isang panimulang punto, ang pag-aaral ay nangangailangan ng pag-access sa isang malawak na dami ng data upang sanayin ang AI, at ang unang lohikal na hakbang ay pagsasanay ito upang makita ang mga tao sa isang eksena kung saan gumagalaw ang camera ngunit ang mga tao ay static.

Bilang ito ay lumitaw, ang Google ay may perpektong mapagkukunan para sa data na ito sa anyo ng mga video sa YouTube na kinunan para sa Mannequin Hamon. Sa hamon na ito, ang isang tao o grupo ng mga tao ay tatayong ganap na tumatayo habang ang isang kamera ay naka-panitik sa paligid ng kanilang posisyon. Gumamit ang Google ng 2000 mga video mula sa hamon upang matulungan ang sanayin ang AI upang makita ang mga figure ng tao sa iba't ibang iba't ibang mga eksena.

Ang isang bagay na gumagawa ng pag-aaral na ito ay mas kawili-wili ay ang katotohanan na itinuturo ng Google ang AI upang lumikha ng malalim na mga mapa gamit ang footage na kinunan gamit ang isang camera lamang. Karamihan sa mga beses, maraming mga camera ay dapat gamitin upang madama ang lalim na impormasyon sa isang eksena.

Gumagamit na ang Google ng isang katulad na para sa mga imahe pa rin upang lumikha ng epekto ng portrait mode nito sa mga telepono ng Pixel. Gayunpaman, nauugnay lamang ito sa mga imahe pa rin. Ang bagong pamamaraan na binuo ng Google ay pagsasanay nito AI upang lumikha ng isang malalim na mapa kung saan ang parehong kamera at paksa ay gumagalaw sa loob ng isang eksena.

Sa pamamagitan ng pag-iilaw sa mga video, magbubukas ito ng mga tampok sa hinaharap para sa paglikha ng bokeh sa mga eksena ng video na katulad ng portrait mode sa iyong telepono. Ang isa pang pakinabang na darating mula sa pag-aaral na ito ay mapapabuti ang mga resulta para sa pinalaki na katotohanan, tulad ng Playmojis mula sa Playground ng Google.

Ang isa pang posibilidad ay ang henerasyon ng mga 3D na imahe mula sa mga eksena sa 2D. Habang ang camera hardware ay palaging napakahalaga para sa pagkuha ng litrato at video, kung ano ang nagawa ng Google sa mga nakaraang taon gamit ang software na nagpapakita na, sa hinaharap, ang mga algorithm ay magiging mahalaga lamang at makakatulong na magbigay ng mga bagong karanasan.