Panasonic razvija dvije napredne AI tehnologije,
Prihvaćeno u CVPR2021,
vodeća svjetska međunarodna konferencija o AI tehnologiji
[1] Genom početne akcije: Razumijevanje kontrastivnog kompozicijskog djelovanja
Zadovoljstvo nam je objaviti da smo razvili novi skup podataka "Home Action Genome" koji prikuplja podatke o svakodnevnim aktivnostima ljudi u njihovim domovima pomoću nekoliko vrsta senzora, uključujući kamere, mikrofone i toplinske senzore. Izradili smo i objavili najveći svjetski multimodalni skup podataka za životne prostore, dok je većina skupova podataka za životne prostore bila malog opsega. Primjenom ovog skupa podataka, istraživači umjetne inteligencije mogu ga koristiti kao podatke za obuku za strojno učenje i istraživanje umjetne inteligencije kako bi podržali ljude u životnom prostoru.
Uz navedeno, razvili smo tehnologiju kooperativnog učenja za hijerarhijsko prepoznavanje aktivnosti u multimodalnim i višestrukim gledištima. Primjenom ove tehnologije možemo učiti konzistentne značajke između različitih gledišta, senzora, hijerarhijskih ponašanja i detaljnih oznaka ponašanja, te tako poboljšati učinkovitost prepoznavanja složenih aktivnosti u životnim prostorima.
Ova tehnologija rezultat je istraživanja provedenog u suradnji između Centra za digitalnu umjetnu inteligenciju, Tehnološkog odjela i Stanfordskog laboratorija za vid i učenje na Sveučilištu Stanford.
Slika 1: Kooperativno razumijevanje kompozicijske akcije (CCAU) Kooperativno treniranje svih modaliteta zajedno omogućuje nam da vidimo poboljšane performanse.
Koristimo trening koristeći oznake na razini videa i atomske akcije kako bismo omogućili da i videozapisi i atomske akcije imaju koristi od kompozicijskih interakcija između njih dvoje.
[2] AutoDO: Robusno automatsko proširenje za pristrane podatke s šumom oznaka putem skalabilne vjerojatnosne implicitne diferencijacije
Također nam je drago objaviti da smo razvili novu tehnologiju strojnog učenja koja automatski provodi optimalno proširenje podataka prema distribuciji podataka za obuku. Ova se tehnologija može primijeniti u stvarnim situacijama, gdje su dostupni podaci vrlo mali. U našim glavnim poslovnim područjima postoji mnogo slučajeva gdje je teško primijeniti AI tehnologiju zbog ograničenja dostupnih podataka. Primjenom ove tehnologije može se eliminirati proces podešavanja parametara proširenja podataka, a parametri se mogu automatski prilagoditi. Stoga se može očekivati da će se raspon primjene AI tehnologije proširiti na šire područje. U budućnosti, daljnjim ubrzavanjem istraživanja i razvoja ove tehnologije, radit ćemo na ostvarenju AI tehnologije koja se može koristiti u stvarnim okruženjima kao što su poznati uređaji i sustavi. Ova je tehnologija rezultat istraživanja koje je proveo Centar za digitalnu AI tehnologiju, Tehnološki odjel, AI laboratorij tvrtke Panasonic R&D Company of America.
Slika 2: AutoDO rješava problem proširenja podataka (dilema DA-a s dijeljenom politikom). Raspodjela proširenih podataka o vlaku (isprekidana plava) možda se ne podudara s testnim podacima (puno crvena) u latentnom prostoru:
"2" je nedovoljno prošireno, dok je "5" previše prošireno. Kao rezultat toga, prethodne metode ne mogu odgovarati testnoj distribuciji i odluka naučenog klasifikatora f(θ) je netočna.
Detalji ovih tehnologija bit će predstavljeni na sajmu CVPR2021 (koji će se održati od 19. lipnja 2017.).
Gornja poruka je s Panasonicove službene web stranice!
Vrijeme objave: 03.06.2021.
