Tutkijat kehittivät uuden menetelmän tekoälykuvien hallintaan

Pohjois-Carolinan osavaltion yliopiston tutkijat ovat kehittäneet uuden menetelmän tekoälykuvien hallintaan, jota voidaan käyttää esimerkiksi itseohjautuvissa ajoneuvoissa.

Ehdollinen kuvien luonti ja muut tekniikat

Ehdollinen kuvien luonti on tekoälytehtävä, jossa tekoälyjärjestelmät luovat kuvia tietyin ehdoin, jotka käyttäjä voi määritellä. Uudet tekniikat ovat kehittäneet tätä edelleen ja sisällyttävät ehdot kuvan asettelulle, mikä mahdollistaa käyttäjille määritellä, mitkä objektit halutaan näkyvän tietyissä kohdissa ruudulla.

Yliopiston tutkijoiden kehittämä uusi huipputekniikka perustuu näihin tekniikoihin, ja se mahdollistaa käyttäjille enemmän valtaa kuvien yli säilyttäen tiettyjä ominaisuuksia kuvien sarjassa.

Tianfu Wu on yksi tutkimuspaperin kirjoittajista ja apulaisprofessori tietokonetekniikassa NC Statessa.

“Lähestymistapamme on erittäin uudelleenmääriteltävissä,” Wu sanoo. “Kuten aiemmat lähestymistavat, meidänkin antaa käyttäjille mahdollisuuden luoda kuva tietyin ehdoin. Mutta meidän lähestymistapa antaa myös mahdollisuuden säilyttää kuva ja lisätä siihen. Esimerkiksi käyttäjät voivat antaa tekoälyluoda vuoristomaiseman. Käyttäjät voivat sitten antaa järjestelmän lisätä hiihtäjiä maisemaan.”

Elementtien manipulointi

Uuden menetelmän avulla käyttäjät voivat myös antaa tekoälylle mahdollisuuden manipuloida elementtejä siten, että ne ovat tunnistettavissa samoina, vaikka ne liikkuvat tai muuttuvat jollain tavoin. Yksi esimerkki tällaisesta olisi tekoäly, joka luo kuvia, joissa hiihtäjät kääntyvät katsojan puoleen liikkuessaan maiseman läpi.

“Yksi sovellus tähän olisi auttamaan itseohjautuvia roboteja ‘kuvittelemaan’, miltä lopputulos voisi näyttää ennen kuin ne aloittavat tietyn tehtävän,” Wu sanoo. “Voit myös käyttää järjestelmää luomaan kuvia tekoälykoulutukseen. Sen sijaan, että keräisit kuvia ulkoisista lähteistä, voit käyttää tätä järjestelmää luomaan kuvia muiden tekoälyjärjestelmien koulutukseen.”

Uusi lähestymistapa testattiin COCO-Stuff- ja Visual Genome -tietojoukoissa, ja se ylittää aiemmat huipputekniikat kuvanlaadun standardeissa.

“Seuraava askel on nähdä, voimmeko laajentaa tämän työn videoihin ja kolmiulotteisiin kuviin,” Wu sanoo.

Järjestelmän kouluttamiseen tutkijoiden oli luotava 4-GPU-työasema, jotta saatiin tarvittava laskentakapasiteetti. Vaikka tämä vaati paljon laskentatehoa, järjestelmän käyttöönotto on silti vähemmän laskentaan perustuva.

“Löysimme, että yksi GPU antaa melkein reaaliaikaisen nopeuden,” Wu sanoo.

“Lisäksi tutkimuspaperiimme, olemme julkaissut lähestymistapamme lähdekoodin GitHubissa. Sanomme, että olemme aina avoinna yhteistyölle teollisuuskumppaneiden kanssa.”