Panasonic razvija dvije napredne AI tehnologije

Panasonic razvija dvije napredne AI tehnologije,
Prihvaćeno u CVPR2021,
Vodeća svjetska međunarodna konferencija o AI tehnologiji

[1] Genom početne akcije: Razumijevanje kontrastivnog kompozicionog djelovanja

Sa zadovoljstvom objavljujemo da smo razvili novi skup podataka "Home Action Genome" koji prikuplja podatke o svakodnevnim aktivnostima ljudi u njihovim domovima koristeći nekoliko vrsta senzora, uključujući kamere, mikrofone i termalne senzore. Konstruirali smo i objavili najveći svjetski multimodalni skup podataka za životne prostore, dok je većina skupova podataka za životne prostore bila malog obima. Primjenom ovog skupa podataka, istraživači umjetne inteligencije mogu ga koristiti kao podatke za obuku za mašinsko učenje i istraživanje umjetne inteligencije kako bi podržali ljude u životnom prostoru.

Pored navedenog, razvili smo tehnologiju kooperativnog učenja za hijerarhijsko prepoznavanje aktivnosti u multimodalnim i višestrukim tačkama gledišta. Primjenom ove tehnologije možemo naučiti konzistentne karakteristike između različitih tačaka gledišta, senzora, hijerarhijskih ponašanja i detaljnih oznaka ponašanja, te na taj način poboljšati performanse prepoznavanja složenih aktivnosti u životnim prostorima.
Ova tehnologija je rezultat istraživanja provedenog u saradnji između Centra za digitalnu umjetnu inteligenciju, Tehnološkog odjela i Stanfordskog laboratorija za vid i učenje na Univerzitetu Stanford.

Slika 1: Kooperativno razumijevanje kompozicijske akcije (CCAU) Kooperativno treniranje svih modaliteta zajedno omogućava nam da vidimo poboljšane performanse.
Koristimo obuku koristeći oznake i na nivou videa i atomskih akcija kako bismo omogućili da i videozapisi i atomske akcije imaju koristi od kompozicijskih interakcija između njih.

[2] AutoDO: Robusno automatsko proširenje za pristrasne podatke sa šumom oznaka putem skalabilne vjerovatnosne implicitne diferencijacije

Također nam je drago objaviti da smo razvili novu tehnologiju mašinskog učenja koja automatski vrši optimalno proširenje podataka u skladu s distribucijom podataka za obuku. Ova tehnologija se može primijeniti u stvarnim situacijama, gdje su dostupni podaci vrlo mali. Postoji mnogo slučajeva u našim glavnim poslovnim područjima gdje je teško primijeniti AI tehnologiju zbog ograničenja dostupnih podataka. Primjenom ove tehnologije, proces podešavanja parametara proširenja podataka može se eliminirati, a parametri se mogu automatski podesiti. 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 realizaciji AI tehnologije koja se može koristiti u stvarnim okruženjima kao što su poznati uređaji i sistemi. Ova tehnologija je rezultat istraživanja koje je proveo Centar za digitalnu AI tehnologiju, Tehnološki odjel, AI laboratorija kompanije Panasonic R&D Company of America.

Slika 2: AutoDO rješava problem proširenja podataka (dilema DA-a sa dijeljenom politikom). Distribucija proširenih podataka o vozu (isprekidana plava) možda se ne podudara s testnim podacima (puna 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 netačna.

 

Detalji ovih tehnologija bit će predstavljeni na sajmu CVPR2021 (koji će se održati od 19. juna 2017. godine).

Gornja poruka je došla sa službene web stranice Panasonica!


Vrijeme objave: 03.06.2021.