इंटेल लैब्स कंप्यूटर विजन विकास के लिए दो नए एआई मॉडल के साथ आगे बढ़ रहा है

VI-Depth 1.0 और MiDaS 3.1 ओपन सोर्स एआई मॉडल कंप्यूटर विजन के लिए डेप्थ एस्टीमेशन में सुधार करते हैं।

डेप्थ एस्टीमेशन एक चुनौतीपूर्ण कंप्यूटर विजन कार्य है जो रोबोटिक्स, ऑगमेंटेड रियलिटी (एआर) और वर्चुअल रियलिटी (वीआर) में विभिन्न अनुप्रयोगों को बनाने के लिए आवश्यक है। मौजूदा समाधान अक्सर दूरी का सही अनुमान लगाने में संघर्ष करते हैं, जो दृश्य नेविगेशन के लिए गति की योजना बनाने और बाधाओं से बचने में एक महत्वपूर्ण पहलू है। इंटेल लैब्स के शोधकर्ता इस मुद्दे को संबोधित करने के लिए दो एआई मॉडल जारी कर रहे हैं: एक विज़ुअल-इनर्टियल डेप्थ एस्टीमेशन के लिए और दूसरा रोबस्ट रिलेटिव डेप्थ एस्टीमेशन (आरडीई) के लिए।

最新 आरडीई मॉडल, मिडास संस्करण 3.1, केवल एक छवि का उपयोग करके रोबस्ट रिलेटिव डेप्थ का अनुमान लगाता है। इसके बड़े और विविध डेटासेट पर प्रशिक्षण के कारण, यह विभिन्न कार्यों और वातावरणों पर कुशलता से प्रदर्शन कर सकता है। मिडास का नवीनतम संस्करण आरडीई के लिए मॉडल की सटीकता में लगभग 30% की वृद्धि करता है, जो इसके बड़े प्रशिक्षण सेट और अद्यतन एन्कोडर बैकबोन के कारण है।

मिडास को कई परियोजनाओं में शामिल किया गया है, जिनमें से सबसे उल्लेखनीय स्टेबल डिफ्यूजन 2.0 है, जहां यह डेप्थ-टू-इमेज सुविधा को सक्षम बनाता है जो एक इनपुट छवि की गहराई का अनुमान लगाता है और फिर पाठ और गहराई जानकारी का उपयोग करके नए छवियों का निर्माण करता है। उदाहरण के लिए, डिजिटल निर्माता स्कॉटी फॉक्स ने स्टेबल डिफ्यूजन और मिडास के संयोजन का उपयोग करके एक 360-डिग्री वीआर वातावरण बनाया। यह तकनीक नए वर्चुअल अनुप्रयोगों को जन्म दे सकती है, जिनमें अदालती मामलों के लिए अपराध स्थल पुनर्निर्माण, स्वास्थ्य सेवा के लिए चिकित्सीय वातावरण और इमर्सिव गेमिंग अनुभव शामिल हैं।

आरडीई की अच्छी सामान्यता है और यह उपयोगी है, लेकिन इसकी कमी इसकी उपयोगिता को कम कर देती है जो डाउनस्ट्रीम कार्यों के लिए मेट्रिक गहराई की आवश्यकता होती है, जैसे कि मैपिंग, योजना, नेविगेशन, वस्तु पहचान, 3डी पुनर्निर्माण और छवि संपादन। इंटेल लैब्स के शोधकर्ता इस मुद्दे को संबोधित करने के लिए वीआई-डेप्थ नामक एक और एआई मॉडल जारी कर रहे हैं जो सटीक गहराई अनुमान प्रदान करता है।

वीआई-डेप्थ एक विज़ुअल-इनर्टियल डेप्थ एस्टीमेशन पाइपलाइन है जो मोनोक्युलर डेप्थ एस्टीमेशन और विज़ुअल-इनर्टियल ओडोमेट्री (वीआईओ) को एकीकृत करती है ताकि मेट्रिक स्केल के साथ घने गहराई अनुमान प्रदान किए जा सकें। यह दृष्टिकोण सटीक गहराई अनुमान प्रदान करता है, जो दृश्य पुनर्निर्माण, मैपिंग और वस्तु हेरफेर में मदद कर सकता है।

इनर्टियल डेटा को शामिल करने से स्केल अस्पष्टता को हल करने में मदद मिल सकती है। अधिकांश मोबाइल डिवाइस पहले से ही इनर्टियल मापन इकाइयों (आईएमयू) से लैस हैं। वैश्विक संरेखण उपयुक्त वैश्विक स्केल का निर्धारण करता है, जबकि घने स्केल संरेखण (एसएमएल) स्थानीय रूप से काम करता है और क्षेत्रों को सही मेट्रिक गहराई की ओर धकेलता है। एसएमएल नेटवर्क मिडास को एन्कोडर बैकबोन के रूप में उपयोग करता है। मॉड्यूलर पाइपलाइन में, वीआई-डेप्थ डेटा-चालित गहराई अनुमान को मिडास के सापेक्ष गहराई पूर्वानुमान मॉडल के साथ-साथ आईएमयू सेंसर माप इकाई के साथ जोड़ती है। डेटा स्रोतों के संयोजन से वीआई-डेप्थ को छवि में प्रत्येक पिक्सेल के लिए अधिक विश्वसनीय घने मेट्रिक गहराई उत्पन्न करने में मदद मिलती है।

मिडास 3.1 और वीआई-डेप्थ 1.0 जीएथब पर ओपन सोर्स एमआईटी लाइसेंस के तहत उपलब्ध हैं।

अधिक जानकारी के लिए, “विजन ट्रांसफॉर्मर्स फॉर डेंस प्रेडिक्शन” और “टूवर्ड्स रोबस्ट मोनोक्युलर डेप्थ एस्टीमेशन: मिक्सिंग डेटासेट्स फॉर जीरो-शॉट क्रॉस-डेटासेट ट्रांसफर” देखें।