Özet (TL;DR) @ 2018-06-18T00:00:00.000Z: DeepMind, iki boyutlu görselleri üç boyutlu nesnelere dönüştüren artırılmış gerçeklik algoritması olan Generative Query Network’ü (GQN) tanıttı. İnsan beyninin çevresini ve...

DeepMind, iki boyutlu gorselleri uç boyutlu nesnelere donuşturen artırılmış gerçeklik algoritması olan Generative Query Network 'u (GQN) tanıttı.

İnsan beyninin çevresini ve nesneler arasındaki fiziksel etkileşimleri oğrenmesini, yapay zeka araştırmacılarının dataset'lerdeki goruntulere açıklama eklenmesi ihtiyacını ortadan kaldırmayı amaçlayan Generative Query Network, " imagine " butonu ile bir insan gozetimi ya da eğitim olmadan herhangi bir açıdan 3D sahneleri oluşturabiliyor.

Generative Query Network algortiması, nesnelerin karşıt, gorunmeyen yanlarını oluşturabilir ve aydınlatma gibi etkenleri bile hesaba katarak, birden fazla noktadan 3D gorunum oluşturabilir. Çoğu gorsel tanıma sistemi, her nesnenin butun yonlerini bir veri kumesinde, zahmetli ve maliyetli bir sureçte etiketlemesini gerektirir. Generative Query Network ise bunu en basite indirgemeyi amaçlıyor.

DeepMind araştırmacıları bir blog yazısında şu açıklamaları yaptı: "Bebekler ve hayvanlar gibi, GQN etrafındaki dunya gozlemlerini anlamayı deneyerek oğreniyor. Bunu yaparken, GQN sahnelerin içeriğini etiketlemeksizin, makul sahneleri ve geometrik ozelliklerini oğrenir."

İki parçalı sistem bir temsil ağından ve bir uretim ağından oluşuyor. İlk giriş verilerini alıyor ve sahneyi tanımlayan bir matematiksel temsile (vektore) donuşturuyor ve bu goruntuler de sahneyi goruntuluyor. Sistemi eğitmek için, DeepMind araştırmacıları, farklı açılardan sahnelerin GQN goruntulerini besliyorlar ve bu da nesnelerin birbirinden bağımsız olarak dokuların, renklerin ve ışıkların ve bunların arasındaki mekansal ilişkilerin oğretilmesini kapsıyor. Daha sonra bu nesnelerin yan yana ya da arka arkaya nasıl goruneceğini tahmin ediyorlar.

Mekansal anlayış yardımıyla, GQN nesneleri kontrol edebilir ve sahneyi hareket ettirirken, hataları kanıtladıklarında tahminlerini ayarlayarak kendini duzeltebilir.

GQN'de herhangi bir nesne sınırlaması bulunmuyor, ancak testler basit nesnelerle gerçekleştirildiğinden oturu, karmaşık yapılar için bir şey soylemek henuz mumkun değil.