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

據(jù)外媒報道，谷歌AI研究員近日表示，他們使用2000個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)建了一個能從運(yùn)動視頻中深度預(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)得像一個假人一樣保持靜止不動。在一篇名為“通過觀察被定住的人來了解移動的人的深度（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)為他們提供了一個可以幫助檢測攝像頭和視頻中移動的人的景深的數(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)在這項工作則是首次針對攝像頭和人體運(yùn)動同時進(jìn)行的情況而量身定制的一種基于學(xué)習(xí)的方法。”

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。

為了制作這個模型，研究人員訓(xùn)練了一個神經(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。