Panasonic sviluppa duie tecnulugia avanzate di IA

Panasonic sviluppa duie tecnulugia avanzate di IA,
Acceptatu à CVPR2021,
a Cunferenza Internaziunale di Tecnulugia AI di punta in u mondu

[1] Home Action Genome: Contrastive Compositional Action Understanding

Semu piacè di annunzià chì avemu sviluppatu un novu dataset "Home Action Genome" chì raccoglie l'attività di ogni ghjornu di l'omu in e so case utilizendu parechji tippi di sensori, cumprese camere, microfoni è sensori termali. Avemu custruitu è ​​​​alliberatu u più grande dataset multimodale di u mondu per i spazi viventi, mentri a maiò parte di i datasets per i spazi viventi sò stati chjuchi in scala. Appliendu stu set di dati, i circadori AI ponu aduprà cum'è dati di furmazione per l'apprendimentu automaticu è a ricerca AI per sustene e persone in u spaziu di vita.

In più di ciò chì sopra, avemu sviluppatu una tecnulugia di apprendimentu cooperativu per a ricunniscenza di l'attività gerarchica in punti di vista multimodali è multipli. Appliendu sta tecnulugia, pudemu amparà caratteristiche coerenti trà diversi punti di vista, sensori, cumpurtamenti gerarchichi è etichette dettagliate di cumportamentu, è cusì migliurà a prestazione di ricunniscenza di attività cumplesse in spazi viventi.
Sta tecnulugia hè u risultatu di a ricerca realizata in cullaburazione trà u Digital AI Technology Center, Division Technology, è u Stanford Vision and Learning Lab in Stanford University.

Figura 1: Intensità di l'Azzione Composizionale Cooperativa (CCAU) A furmazione cooperativa di tutte e modalità inseme ci permette di vede un rendimentu migliuratu.
Utilizemu a furmazione aduprendu etichette à livellu video è azzione atomica per permette à i video è l'azzioni atomiche di prufittà di l'interazzione cumpusizioni trà i dui.

[2] AutoDO: Robusta AutoAugment per Dati Biased cù Label Noise via Scalable Probabilistic Implicit Differentiation

Semu ancu piacè di annunzià chì avemu sviluppatu una nova tecnulugia d'apprendimentu di macchina chì esegue automaticamente l'aumentu di dati ottimali secondu a distribuzione di dati di furmazione. Sta tecnulugia pò esse appiicata à situazioni di u mondu reale, induve i dati dispunibuli sò assai chjuchi. Ci sò parechji casi in i nostri principali spazii di cummerciale, induve hè difficiule di applicà a tecnulugia AI per via di e limitazioni di e dati dispunibili. Appliendu sta tecnulugia, u prucessu di sintonizazione di i paràmetri di l'aumentu di dati pò esse eliminati, è i paràmetri ponu esse aghjustati automaticamente. Dunque, si pò esse espertu chì a gamma di applicazioni di a tecnulugia AI pò esse sparghje più largamente. In u futuru, accelerà più a ricerca è u sviluppu di sta tecnulugia, avemu da travaglià per realizà a tecnulugia AI chì pò esse usata in ambienti di u mondu reale, cum'è i dispositi è i sistemi familiari. Sta tecnulugia hè u risultatu di a ricerca realizata da u Digital AI Technology Center, Division Technology, AI Laboratory di Panasonic R&D Company of America.

Figura 2: AutoDO risolve u prublema di l'aumentu di dati (dilemma di Shared-policy DA). A distribuzione di dati di treni aumentati (dashed blue) ùn pò micca currisponde à i dati di prova (solidu rossu) in u spaziu latente:
"2" hè sottu-aumentatu, mentri "5" hè overaugmented. En conséquence, les méthodes antérieures ne peuvent pas correspondre à la distribution de test et la décision du classificateur appris f(θ) est imprécise.

 

I ditaglii di sti tecnulugii seranu presentati à CVPR2021 (a terrà da u 19 di ghjugnu 2017).

U missaghju sopra hè venutu da u situ ufficiale di Panasonic!


Tempu di pubblicazione: 03-06-2021