Teknik Baru Membantu AI Mengidentifikasi Objek 3D

Teknik baru yang dikembangkan oleh peneliti di Universitas North Carolina State memperbaiki kemampuan program kecerdasan buatan (AI) untuk mengidentifikasi objek 3D. Disebut MonoCon, teknik ini juga membantu AI memahami bagaimana objek 3D berhubungan satu sama lain di ruang dengan menggunakan gambar 2D.

MonoCon memiliki potensi aplikasi yang luas, termasuk membantu kendaraan otonom navigasi di sekitar kendaraan lain menggunakan gambar 2D yang diterima dari kamera onboard. Ini juga dapat memainkan peran dalam manufaktur dan robotika.

Tianfu Wu adalah penulis utama dari makalah penelitian dan asisten profesor teknik elektro dan komputer di Universitas North Carolina State.

“Kita hidup di dunia 3D, tetapi ketika kita mengambil gambar, itu merekam dunia dalam gambar 2D,” kata Wu.

“Program AI menerima input visual dari kamera. Jadi jika kita ingin AI berinteraksi dengan dunia, kita perlu memastikan bahwa itu dapat menafsirkan apa yang gambar 2D dapat katakan tentang ruang 3D. Dalam penelitian ini, kita fokus pada satu bagian dari tantangan tersebut: bagaimana kita dapat membuat AI mengenali objek 3D — seperti orang atau mobil — dalam gambar 2D, dan meletakkan objek tersebut di ruang,” Wu melanjutkan.

Kendaraan Otonom

Kendaraan otonom sering mengandalkan lidar untuk navigasi di ruang 3D. Lidar, yang menggunakan laser untuk mengukur jarak, mahal, sehingga sistem otonom tidak memiliki banyak redundansi. Untuk memasang puluhan sensor lidar pada mobil driverless yang diproduksi massal akan sangat mahal.

“Tapi jika kendaraan otonom dapat menggunakan input visual untuk navigasi melalui ruang, kita dapat membangun redundansi,” kata Wu. “Karena kamera jauh lebih murah daripada lidar, itu akan secara ekonomis memungkinkan untuk memasukkan kamera tambahan — membangun redundansi ke dalam sistem dan membuatnya lebih aman dan lebih kuat.

“Itu salah satu aplikasi praktis. Namun, kita juga sangat bersemangat tentang kemajuan dasar dari pekerjaan ini: bahwa itu memungkinkan untuk mendapatkan data 3D dari objek 2D.”

Melatih AI

MonoCon dapat mengidentifikasi objek 3D dalam gambar 2D sebelum meletakkannya dalam “bounding box,” yang memberitahu AI tentang batas luar objek.

“Apa yang membedakan pekerjaan kita adalah bagaimana kita melatih AI, yang membangun pada teknik pelatihan sebelumnya,” kata Wu. “Seperti upaya sebelumnya, kita meletakkan objek dalam kotak 3D sambil melatih AI. Namun, selain meminta AI untuk memprediksi jarak kamera-objek dan dimensi kotak, kita juga meminta AI untuk memprediksi lokasi dari setiap titik kotak dan jaraknya dari pusat kotak dalam dua dimensi. Kita menyebut ini ‘konteks tambahan,’ dan kita menemukan bahwa itu membantu AI lebih akurat mengidentifikasi dan memprediksi objek 3D berdasarkan gambar 2D.

“Metode yang diusulkan ini dipicu oleh teorema yang terkenal dalam teori pengukuran, teorema Cramér-Wold. Ini juga berpotensi diterapkan pada tugas prediksi keluaran terstruktur lainnya dalam penglihatan komputer.”

MonoCon diuji dengan dataset benchmark yang umum digunakan yang disebut KITTI.

“Pada saat kami mengirimkan makalah ini, MonoCon berperforma lebih baik daripada puluhan program AI lain yang bertujuan untuk mengekstrak data 3D tentang mobil dari gambar 2D,” kata Wu.

Tim akan sekarang melihat untuk menskalakan proses dengan dataset yang lebih besar.

“Maju, kami akan menskalakan ini dan bekerja dengan dataset yang lebih besar untuk mengevaluasi dan memperbaiki MonoCon untuk digunakan dalam mengemudi otonom,” kata Wu. “Kami juga ingin mengeksplorasi aplikasi dalam manufaktur, untuk melihat apakah kita dapat memperbaiki kinerja tugas seperti penggunaan lengan robot.”