當前位置:
首頁 > 最新 > Qualcomm AI研究重大進展,讓機器像人一樣看世界

Qualcomm AI研究重大進展,讓機器像人一樣看世界

從幫助機器像人類一樣「看」世界

到識別極小分子的機器

再到分析外太空龐大結構的工具

深度學習領域的一項技術進展

所能實現的種種可能

超乎你的想像

這項突破性的技術,就是球面卷積神經網路(spherical Convolutional Neural Networks,縮寫CNNs),通過CNNs的處理,機器可以看到並識別三維空間中的物體。這正是人工智慧(AI)發展的前沿領域。

Qualcomm CNNs研究獲得ICLR殊榮

Qualcomm Technologies 荷蘭研究人員 Taco Cohen 和 Max Welling 及其合作夥伴,通過與阿姆斯特丹大學聯合撰寫的《球面CNNs》論文榮獲「國際學習表徵大會(ICLR)2018年度最佳論文獎」。

ICLR 主要發布人工智慧(AI)和機器學習方面的最新研究,現已舉辦到第六屆。蒙特利爾大學的 Yoshua Bengio 和紐約大學/Facebook 的 Yann LeCun 共同擔任 ICLR 2018 的主席。在全球頂尖 AI 實驗室提交的約 1,000 篇投稿中,AI領域最具創新性和影響力的研究被授予最佳論文獎的殊榮。

GIF

該球面 CNN 論文引入了構建 CNNs 的新型數學架構,可魯棒地分析球面圖像,並不會受到曲面失真的影響。這是因為:球面 CNN 具有針對旋轉的「等變」特性,它意味著該網路學習到的內部表徵會與輸入信息同步旋轉。從實驗的結果來看,球面 CNNs 在兩項截然不同的任務上可實現出色的預測精度:球面圖像 3D 模型識別和原子化能量預測(一項重要的化學問題)。

球面CNNs為什麼重要

過去幾年,深度學習——尤其是 CNNs——已徹底變革了 AI,語音識別、視覺對象識別、自然語言處理及其他領域均出現突破性成果。CNNs 很擅長分析線性信號,例如音頻或文本、圖像或視頻,因其具備可識別模式的內在能力,而不管其空間或時間位置如何。

但在如汽車、無人機和機器人等多個應用中,我們都希望學習的信號留存在球體上。在科學應用中也存在大量球面信號,從地球科學到天體物理學都有相關案例。

分析此類球面信號的一個方法是把信號投影到平面上,並藉助 CNN 來分析結果。但根據製圖學,任何此類「地圖投影」都會導致扭曲失真,讓部分區域看起來比實際尺寸更大或更小。這會使 CNN 變得無效,因為隨著對象在球體上移動,它們看上去不僅只是在地圖上移動,而且還會顯得縮小和拉伸。

如何使用球面CNNs

球面CNNs在物聯網(IoT)、機器人、自動駕駛汽車、增強現實(AR)和虛擬現實(VR)領域都有諸多應用。藉助面 CNNs 對物體偵測與識別的改善,無人機將能在幾分鐘內把包裹送到你的家門口。而在 AR 方面,一整組攝像頭所拍攝的360度房間全景可融入至單球面圖像中,並精確覆蓋虛擬物體。

Qualcomm 對此項工作可能帶來的上述應用和其他轉換應用倍感興奮,我們也正在積極推動此項研究及其他數據高效學習研究。


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 Qualcomm中國 的精彩文章:

搭載驍龍835,這是你想要的虛擬現實體驗嗎?
驍龍845多核AIE,開啟小米MIX 2S智慧體驗

TAG:Qualcomm中國 |