Nvidia の STEAL AI は、コンピューター ビジョン モデルに対するより優れた推論サポートを提供します

Nvidia、トロント大学、トロントの Vector Institute of Artificial Intelligence のコンピューター サイエンスの研究者は、オブジェクトの開始位置と終了位置をより正確に検出および予測する方法を考案しました。この種の知識は、現在のコンピューター ビジョン モデルの推論を改善するのに役立つと同時に、将来のモデルのトレーニング データのラベル付けもサポートします。

研究チームによる一連の実験で、科学者らは人工知能モデルのセマンティック・シンニング・エッジ・アライメント学習（STEAL）が「セマンティック境界」予測モデルの精度向上に役立つことを発見した。「Modern CASENet」は4%増加した。物体の境界やエッジをより正確に識別できる機能は、画像生成から 3D 空間再構成に至るまで、物体を検出するためのコンピュータ ビジョン タスクに実際に応用できる可能性があります。

• AI 分野の 5 人の天才頭脳が協力して素晴らしいロボットを作成

セマンティックシンニングエッジアライメント学習 (STEAL)

STEAL は、既存の CNN や物体のエッジ検出モデルを改善するために適用できますが、研究者は、コンピュータ ビジョン モデルのデータにラベルを付けたり、より効果的に注釈を付けるのにも役立つと考えています。この点を証明するために、科学者たちは STEAL 手法を使用して、2016 年のマシン ビジョン カンファレンス、コンピューター ビジョンとパターン認識 (CVPR) で初めて導入された都市環境に関連するコンテンツを含むデータセットを改良しました。

現在GitHubで公開されている STEAL フレームワークは、研究者が「アクティブ アライメント」と呼ぶ方法を使用して、オブジェクトの各隅をピクセル単位で比較的正確に学習し、予測することができます。トレーニング中のアノテーション ノイズに関する明示的な推論や、偏ったラベル表現からエンドツーエンドで学習する際のニューラル ネットワークのレベル設定式も、結果を生み出すのに役立ちます。

• MITは人間とほぼ同じように運転できるAIモデルの開発に努めている

オブジェクトの境界とエッジをより正確に識別する機能

研究チームの代表者は、arXivニュースサイトの詳細なインタビューで、「私たちの予測境界は、最新のDeepLab-v3セグメント出力から得られた予測境界よりも優れていることを示していますが、アーキテクチャのみを使用するとはるかに軽量になります」と研究チームの代表者は述べた。

この研究成果は「Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations」と題されており、カリフォルニア州ロングビーチで開催される CVPR 2019 カンファレンスの枠内でのプレゼンテーションを通じて広く紹介される予定です。Nvidia Research の専門家はこの研究に多大な貢献をしており、今年の CVPR では個人的な観点から研究を具体的に発表します。

• 日本の人工知能が超リアルな仮想ファッションモデルを作成

新たに報道されたニュースによると、Nvidia は、2020 年にイギリスのメーカー Arm の高性能コンピューティング ハードウェア システムと、オープンソースの TensorRT 解析推論ソフトウェアをGithub上でサポートして、よりカスタマイズできるようにすると発表しました。