مختبرات إنتل تتقدم في تطوير رؤية الكمبيوتر مع نموذجين جديدين للذكاء الاصطناعي

النماذج المفتوحة المصدر للذكاء الاصطناعي VI-Depth 1.0 و MiDaS 3.1 تحسن تقدير العمق لرؤية الكمبيوتر.

تقدير العمق هو مهمة رؤية كمبيوتر صعبة مطلوبة لإنشاء مجموعة واسعة من التطبيقات في الروبوتات والواقع المعزز (AR) والواقع الافتراضي (VR). غالبًا ما تعاني الحلول الحالية في تقدير المسافات بشكل صحيح، وهو جانب حاسم في التخطيط للحركة وتجنب العوائق عند التنقل البصري. باحثون في مختبرات إنتل يعالجون هذه القضية من خلال إصدار نموذجين للذكاء الاصطناعي لتقدير العمق أحادي العين: أحدهما لتقدير العمق البصري-الحسي والآخر لتقدير العمق النسبي المتين (RDE).

أحدث نموذج RDE، MiDaS الإصدار 3.1، يتنبأ بالعمق النسبي المتين باستخدام صورة واحدة فقط كمدخل. بسبب تدريبه على مجموعة بيانات كبيرة ومتنوعة، يمكنه أداء مهام أوسع وأداء أفضل في بيئات مختلفة. الإصدار الأخير من MiDaS يحسن دقة النموذج لتقدير العمق النسبي بنسبة 30٪ تقريبًا بفضل مجموعة التدريب الأكبر وتركيبات التشفير المحسنة.

تم تضمين MiDaS في العديد من المشاريع، وأبرزها Stable Diffusion 2.0، حيث يُمكنه تمكين ميزة العمق إلى الصورة التي تُستخدم لاستنتاج عمق صورة الإدخال ومن ثم توليد صور جديدة باستخدام النص والعمق معًا. على سبيل المثال، استخدم المبدع الرقمي Scottie Fox مزيجًا من Stable Diffusion و MiDaS لإنشاء بيئة الواقع الافتراضي 360 درجة. يمكن أن تؤدي هذه التقنية إلى تطبيقات افتراضية جديدة، بما في ذلك إعادة بناء المشاهد الجرمية لحالات المحكمة، والبيئات العلاجية للرعاية الصحية، وتجارب الألعاب الغامرة.

على الرغم من أن RDE لها généralية جيدة ومفيدة، فإن نقص القياس يقلل من فائدتها للتطبيقات التنازلية التي تتطلب عمقًا مقاسًا، مثل الخرائط والتخطيط والتنقل والتعرف على الكائنات وإعادة بناء ثلاثي الأبعاد وتنقيح الصور. باحثون في مختبرات إنتل يعالجون هذه القضية من خلال إصدار نموذج آخر للذكاء الاصطناعي يُدعى VI-Depth، والذي يوفر تقديرًا دقيقًا للعمق.

VI-Depth هو трубة تقدير عمق بصري-حسي يدمج تقدير العمق أحادي العين وقياس الحركة البصري-الحسي (VIO) لإنتاج تقديرات كثيفة للعمق بمقياس متري. هذا النهج يوفر تقديرًا دقيقًا للعمق، والذي يمكن أن يساعد في إعادة بناء المشاهد والخرائط والتعامل مع الكائنات.

يمكن أن يساعد دمج البيانات الحسية في حل الغموض في القياس. تحتوي معظم الأجهزة المحمولة بالفعل على وحدات قياس الحس البصري (IMU). يحدد التموين العالمي القياس العالمي المناسب، بينما يعمل التموين الكثيف المحلي (SML) على المستوى المحلي ويضغط أو يسحب المناطق نحو العمق المتري الصحيح. يستخدم شبكة SML MiDaS كتركيب تشفير. في трубة الوحدة، يدمج VI-Depth تقدير العمق القائم على البيانات مع نموذج تنبؤ العمق النسبي MiDaS، إلى جانب وحدة قياس الحس البصري. يسمح مزيج مصادر البيانات ل VI-Depth بإنشاء عمق متري كثيف أكثر موثوقية لكل بكسل في الصورة.

تتوفر MiDaS 3.1 و VI-Depth 1.0 تحت رخصة مفتوحة المصدر MIT على GitHub.

لمزيد من المعلومات، يُرجى الرجوع إلى “المتحولات البصرية للتنبؤ الكثيف” و “نحو تقدير عمق أحادي العين المتين: مزيج مجموعات البيانات لنقل بين مجموعات البيانات بدون إعداد“.