Panasonic розробляє дві передові технології штучного інтелекту,
Прийнято до CVPR2021,
провідна світова міжнародна конференція з технологій штучного інтелекту
[1] Геном домашньої дії: розуміння контрастивної композиційної дії
Ми раді повідомити, що розробили новий набір даних "Home Action Genome", який збирає дані про щоденну активність людей у їхніх домівках за допомогою кількох типів датчиків, включаючи камери, мікрофони та теплові датчики. Ми створили та опублікували найбільший у світі мультимодальний набір даних для житлових приміщень, тоді як більшість наборів даних для житлових приміщень були невеликими за масштабом. Застосовуючи цей набір даних, дослідники штучного інтелекту можуть використовувати його як навчальні дані для машинного навчання та досліджень штучного інтелекту для підтримки людей у житлових просторах.
На додаток до вищезазначеного, ми розробили технологію кооперативного навчання для ієрархічного розпізнавання діяльності в мультимодальних та множинних точках зору. Застосовуючи цю технологію, ми можемо вивчати узгоджені ознаки між різними точками зору, датчиками, ієрархічною поведінкою та детальними мітками поведінки, і таким чином покращувати ефективність розпізнавання складних дій у житлових просторах.
Ця технологія є результатом дослідження, проведеного у співпраці між Центром цифрових технологій штучного інтелекту, Технологічним відділом та Лабораторією зору та навчання Стенфордського університету.
Рисунок 1: Кооперативне розуміння композиційних дій (CCAU). Спільне навчання всіх модальностей разом дозволяє нам побачити покращену продуктивність.
Ми використовуємо навчання з використанням міток як на рівні відео, так і на рівні атомарних дій, щоб як відео, так і атомарні дії могли скористатися композиційною взаємодією між ними.
[2] AutoDO: Надійне автодоповнення для упереджених даних з шумом міток за допомогою масштабованого ймовірнісного неявного диференціювання
Ми також раді повідомити, що розробили нову технологію машинного навчання, яка автоматично виконує оптимальне доповнення даних відповідно до розподілу навчальних даних. Цю технологію можна застосовувати в реальних ситуаціях, де доступних даних дуже мало. У наших основних сферах бізнесу є багато випадків, коли важко застосовувати технологію штучного інтелекту через обмеження доступних даних. Застосовуючи цю технологію, можна усунути процес налаштування параметрів доповнення даних, а параметри можна налаштувати автоматично. Тому можна очікувати, що діапазон застосування технології штучного інтелекту може бути поширений ширше. У майбутньому, шляхом подальшого прискорення досліджень та розробок цієї технології, ми працюватимемо над реалізацією технології штучного інтелекту, яку можна використовувати в реальних середовищах, таких як звичні пристрої та системи. Ця технологія є результатом досліджень, проведених Центром цифрових технологій штучного інтелекту, Технологічним відділом, Лабораторією штучного інтелекту компанії Panasonic R&D Company of America.
Рисунок 2: AutoDO вирішує проблему доповнення даних (дилема DA зі спільною політикою). Розподіл доповнених даних поїзда (пунктирний синій) може не збігатися з тестовими даними (суцільний червоний) у латентному просторі:
«2» є недостатньо доповненим, тоді як «5» — надмірно доповненим. Як результат, попередні методи не можуть зіставити тестовий розподіл, і рішення вивченого класифікатора f(θ) є неточним.
Деталі цих технологій будуть представлені на CVPR2021 (що відбудеться з 19 червня 2017 року).
Вищезазначене повідомлення надійшло з офіційного веб-сайту Panasonic!
Час публікації: 03 червня 2021 р.
