谷歌AI研究員利用YouTube“假人挑戰(zhàn)”改善深度預(yù)測

據(jù)外媒報(bào)道，谷歌AI研究員近日表示，他們使用2000個(gè)YouTube視頻網(wǎng)站上的“人體模型挑戰(zhàn)（mannequin challenge）”作為訓(xùn)練數(shù)據(jù)集，以此來創(chuàng)建了一個(gè)能從運(yùn)動(dòng)視頻中深度預(yù)測的AI模型。這種將有助于開發(fā)人員在手持?jǐn)z像機(jī)和3D視頻拍攝的場景中打造AR體驗(yàn)。

人體模型挑戰(zhàn)要求一群人基本上表現(xiàn)得像一個(gè)假人一樣保持靜止不動(dòng)。在一篇名為“通過觀察被定住的人來了解移動(dòng)的人的深度（Learning the Depths of Moving People by Watching Frozen People）”的論文中，研究人員表示，這一挑戰(zhàn)為他們提供了一個(gè)可以幫助檢測攝像頭和視頻中移動(dòng)的人的景深的數(shù)據(jù)集。

研究科學(xué)家Tali Dekel和工程師Forrester Cole在今天的一篇博客文章中寫道：“雖然最近使用機(jī)器學(xué)習(xí)進(jìn)行深度預(yù)測的數(shù)量在激增，但現(xiàn)在這項(xiàng)工作則是首次針對攝像頭和人體運(yùn)動(dòng)同時(shí)進(jìn)行的情況而量身定制的一種基于學(xué)習(xí)的方法?！?/p>

谷歌研究人員表示，這種方法在繪制深度地圖方面的表現(xiàn)優(yōu)于目前最先進(jìn)的工具。

為了制作這個(gè)模型，研究人員訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠從RGB圖像、人類區(qū)域的遮罩和視頻中非人類環(huán)境的初始深度輸入，然后生成深度地圖進(jìn)而做出人類的形狀和姿態(tài)預(yù)測。