MOLAR FRESH 2022年01期
人工智能新鲜趣闻 每周一更新
01
铲屎官依靠姿势监测模型设计狗粑粑探测器
想象你拥有一个宽阔的后院，还有一只可爱的狗子~
你的狗子，每天都在院子里玩耍，随机产出一些粑粑……
你的后院，夏天小草野蛮生长，冬天积雪厚厚覆盖……
作为一名优秀的铲屎官，如何才能快速找到并处理掉这些粑粑，同时在铲屎过程中避免自己踩中呢？
有一位外国小哥灵机一动，运用一个摄像头外加一个姿势检测模型制作出了智能狗粑粑探测器，完美解决了上述的铲屎难题。
模型一旦识别出小狗正在拉粑粑的姿势，就会在你家院子的地图上标记相关位置，呈现一个红圈儿。
铲屎官照着这个地图就可以“寻宝”去了~
据小哥描述，他先在网上搜索了很多“开箱即用”的图像识别模型，最终发现了一个叫做DeepLabCut的免费的动物姿态追踪工具。
该工具由瑞士洛桑联邦理工学院的两名研究人员开发，可以将任何包含动作的视频转换成动捕信息。
上手很简单，除了终端、Colab、Jupyter Notebooks，还提供图形操作界面。只需你花几个小时标记要跟踪的样本，剩下的都可以交给工具本身。
小哥心想，与其识别粑粑，不如通过观察狗子的行为来定位粑粑的位置。
于是他拍了很多自家狗子正在拉粑粑的照片。
通过观察发现，如厕的狗子会保持一个脊柱弓起、尾巴坚挺的姿势。需要标记的关键点一共就有6个。
全部标记好后，用DeepLabCut进行训练，然后接入监控信息就可以使用了。
为了让结果更准确，防止某些动作干扰，小哥还写了一个“投票机制”——对影像中狗子的每个动作进行系统评分，得分超过75%，才判定小狗正在便便中，然后记录此时的位置。
小哥表示，这个功能表现得非常优秀，判断很准确——即使在深夜、小狗部分身子都不在监控范围内都能准确检测。
精益求精，小哥自述他还请了一位动物cosplayer来扮演狗子试探这个探测器。
结果很满意，模型不会识别出假扮狗子如厕的人类。
未来的话，他还打算继续完善其中的逻辑，将检测目标扩展到更多种类的狗子身上，并把图像处理迁移到云端实现自动化。
这样大家就都能拥有同款“狗粑粑探测器”了~
来源：量子位
参考链接：
[1]https://www.youtube.com/watch?v=uWZu3rnj-kQ
[2]https://www.reddit.com/r/MachineLearning/comments/s4c6ob/p_built_a_dog_poop_detector_for_my_backyard/
02
研发急得都“爬树”，这个“书生”真会“找茬”
2021年11月，上海人工智能实验室联合商汤科技、香港中文大学、上海交通大学，共同发布新一代通用视觉技术体系“书生”（INTERN），该体系旨在系统化解决当下人工智能视觉领域中存在的任务通用、场景泛化和数据效率等一系列瓶颈问题。
这个“书生”的厉害之处就在于它能够持续学习，举一反三。
它在训练阶段被“喂下”大量数据成为通才，只需要看到少量样本，就具备了举一反三的能力。
例如，让“书生”识别花的种类，每一类只需要提供2个训练样本，它的识别准确率高达99.7%。
其花卉数据集由102种英国常见的花组成，每个类别有40至258张图片。其中包含有很大的比例、姿势和光线变化。
要问这样的模型好不好做？
研发急得都直上树！
为了测试模型在zero-shot下的精度如何，“书生”研发团队的模型科学家都亲自上演了“爬树”特别节目。通过创造特殊场景，以随机生成图片，去考验模型能力。
“书生”看到后，歪嘴一笑。
这不就是“爬树”嘛，置信度0.96给你。
“书生”不仅有触类旁通的能力，而且在自动驾驶、智慧城市、智慧医疗等场景均已经实现了落地应用。
此外，智慧制造、智慧医疗等应用中还会存在很多类似的长尾场景。通用视觉“书生”的推出能够让业界以更低的成本获得拥有处理多种下游任务能力的AI模型，并以其强大的泛化能力支撑实际场景中大量小数据、零数据等样本缺失的细分和长尾场景需求。
前途无量呐~
来源：新智元
论文地址：
https://arxiv.org/abs/2111.08687
参考链接：
https://mp.weixin.qq.com/s/dS_eklfseJ8BVdqNR-r30
03
英伟达5秒训练NeRF模型，谷歌研究员惊呆了
“这太疯狂了！”
“18个月前，训练NeRF需要5小时…”
“2个月前，训练NeRF需要5分钟！”
“现在，训练NeRF需要5秒！！？？”
究竟发生了什么？竟让谷歌研究科学家惊叹至此。
此前，风靡的NeRF模型是由伯克利&谷歌联合打造，以少数静态图生成3D逼真效果。
如今，来自于英伟达的最新技术——基于多分辨率哈希编码的即时神经图形基元，使得一只狐狸的NeRF模型只需要训练5秒钟！
而且不光训练NeRF，该技术还在其他任务上也达到了惊人的训练速度：实现了几个数量级的组合加速，能够在几秒钟内训练高质量的神经图形基元，并在几十毫秒内渲染分辨率1920×1080的图形。
除了NeRF之外，还有三个神经图形基元的实现。
Gigapixel Image
作者还友情提示，网络是从头开始训练的，如果眨眼的话，可能会错过它。
Signed Distance Function
Neural Radiance Cache
每种情况都是用tiny-cuda-nn框架训练和渲染的，其实验是在RTX 3090测试的。
以全连接网络为参数的神经图形基元，训练和评估成本较高。于是他们使用了一种多功能的新输入编码来降低成本。这种编码允许在不牺牲质量的情况下使用更小的网络，从而大大减少浮点数和内存访问数量。
来源：量子位
GitHub链接：
https://github.com/NVlabs/instant-ngp
论文链接：
https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.pdf
项目链接：
https://nvlabs.github.io/instant-ngp/
参考链接：
https://twitter.com/ak92501/status/1481818982005063681
04
电子仿生眼专利获批，Meta元宇宙大业已集齐视听触三大感官体验
Meta（原名Facebook）正致力于将尽可能多的用户从现实世界中转移出来，并将他们转投于充满化身的
原创文章，作者：整数智能，如若转载，请注明出处：https://www.agent-universe.cn/2022/01/8395.html
