麻省理工的 AI 新研究:AI可以织毛衣了!

说到人工智能,除了某些很酷的前沿应用外,其实对于这个话题我们经常会想到「假」这件事,用人工智能完成的造假除了一些灰产之外,更成为了一种娱乐方式,其中最有名的可能就是 AI 换脸的了,这种换头术至今还在 B 站大肆流行着。

麻省理工的 AI 新研究:你不会织毛衣没关系,交给 AI 就行了

相反的,AI 应用在现实中带来的「真」变化可谓少之又少。不过最近美国麻省理工学院的研究人员发现了一种与「造假」相反的 AI 研究,这种研究反而需要 AI 来点「真」的东西,准确的说是针织的东西。

这项研究让人有点出人意料,谁能想到机器学习的能力会用在复制针织品身上呢?

麻省理工的 AI 新研究:你不会织毛衣没关系,交给 AI 就行了

▲ 图片来自:Shima Seiki USA Inc.

首先我们要回答一个问题:为什么不能直接交给 Shima Seiki 这样的自动针织机进行「复制」或「创造」。

关于这件事如果你拿出几件自己的针织衫看一下可能就知道答案了,在很多的针织品中实际上表面并不是完全平整的,商家为了满足个性化需求通常会在针织品上再做出不同的针织图案,而这些图案的织法和其它地方是不同的,也正是因为了有了这部分「创意」存在,死板的自动针织机就无法完成这项任务了。

麻省理工的 AI 新研究:你不会织毛衣没关系,交给 AI 就行了

▲ 图片来自:zdnet

为此研究人员中有了一项新的想法,要使用自动针织机需要大量的专业知识为其「编程」,所以他们想出了用一种方便理解的软件去简化这个流程,即便是没有相关经验的人也能够上传自己的作品。

但即便如此这仍然需要大量手动去设置指定图案的织法,而这就是机器学习有趣的地方,通过神经逆编织网络,它可以通过算法去学习针织手法。然后将真实的织法与设计图案相结合,并转换成自动针织机能够识别的指令。你可以将这种模式成为「计算编织」。

不过就如包含补充材料的论文中详细描述的那样,神经网络必须计算两个不同的东西:它必须首先计算所展示的服装的理想表现形式,然后再计算所涉及的针脚。

麻省理工的 AI 新研究:你不会织毛衣没关系,交给 AI 就行了
▲ 图片来自:zdnet

首先,神经网络被送入两种样本,即作者从头开始编织然后拍摄的针织服装真实照片,然后由他们的软件合成服装图像。合成之后的图片会比真实世界的照片更简洁。

为了将设计图案与真实图案进行融合,AI 其中起到了很大作用。

麻省理工的 AI 新研究:你不会织毛衣没关系,交给 AI 就行了

▲ 图片来自:zdnet

 

然后进行 IMG2PROG,就是将图案转换为指令,支持将这种像「混合图层」之后的合称图案导出指令,为了简化过程,程序开发者定义了 17 条基本针织手法的指令标签,而合成图案上会带有这些标签,再通过神经网络与这些标签进行「交叉熵」优化,最后完成机器统计,再输入自动针织机,大功告成。

这就是 AI 有趣的地方,它是一个人与机器之间沟通的桥梁,理解人类的自然语言、想法已经创造力,并将其转换成机器与数字世界的语言。

在未来,很多事你未必懂得具体的实现过程,但只要你有足够的想象力,AI 就能帮助你将其变成现实。

推荐文章

如今,世界正在经历一场影响范围甚广的技术革命,信息技术(IT)正快速决定着一切事物的发展进度和计划。计算机问世之后,出色的想法得以转化为出色的创新。比如人工智能和机器学习,这两种技术让生活变得轻松起来,也让业务流程更加简洁高效。机器学习和人工智能依靠计算算法复制人类的智能行为,包括自动语音识别、增强现实和神经网络机器翻译。这些不同领域技术创新的成功问世促进了人们对计算机可视化和解释图像的深入研究。通过使用不同的软件,计算机视觉努力激活机器的双眼去观察和解释图像。技术已经证明,计算机视觉可为人类和科学家提供自动驾驶汽车、无人机、面部识别和更多其他的应用。随着技术领域引入图像标注技术,人们开始享受到这一非同寻常的发展。在计算机视觉领域,图像标注是一项重要的任务。尽管这项技术已经发挥了很大作用,但要想充分理解其功能以及使用情况,还需要揭开很多隐藏的信息。什么是图像标注?图像标注是一种创新型的计算技术,人们需要手动识别并定义图像中的区域,并为图像中指定的区域进行基于文本的描述。图像标注会在计算机视觉系统呈现新图像或数据时催化模式识别过程。识别图像上图案或标签的速度是不同的。与具有不同标签的图像或数据相比,具有类似标签的图像或数据识别要更加简单快捷。图像标注技术主要由人工智能(AI)工程师使用,为计算机视觉模型的开发提供有关图像的信息。图像标注的多种技术2D边界框使用2D边界框technique-Labelops.ai标2D边界框技术是用于标注图像的重要技巧之一。使用这种方法时,标注器会在特定帧和位置围绕感兴趣的对象创建一个边界框,标注人员可以在每个对象的边缘位置创建位置锚点。很多时候,对象看起来可能都是一样的。在这种情况下,标注人员可以为图像中的所有对象绘制边界框。另外,当位置中出现不同的对象时,必须在每个对象周围都绘制边界框。例如,如果位置中有汽车、自行车和行人,标注人员就应该在它们周围绘制边界框。绘制完成后,标注器将选择最适合框中对象的标签。3D边界框使用3D边界框technique-Labelops.ai标注的图像3D边界框也被称为立方体,是一种类似于2D边界框的技术。标注器在每个图像周围创建边界框。锚点被放置在每个对象的边缘位置。创建这些边界框是为了覆盖某个特定的位置和帧。但是,两种技术的不同之处在于3D边界框可以显示出被标注对象的深度。多边形标注使用多边形标注technique-Labelops.ai标注的图像多边形标注是一种出色的图像标注技术,标注器可用于标注形状大小不规则的对象。这种技术十分有用:2D和3D边界框只能标注形状规则的图像,而在多边形标注中,标注器在感兴趣的图像周围创建多边形。这样可以更容易地准确预测出图像在多边形空间中的体积和位置。折线折线标注是一种奇妙的标注技术,主要功能是让计算机视觉系统感知到标注的边界、样条和线。标注器还可以利用折线标注技术来规划无人机的飞行轨迹。折线标注可以在图像中绘制直线或曲线,所以它可用于标注人行道、车道、输电线等其他边界。关键点使用关键点technique-Labelops.ai标注的图像标注器可以用关键点追踪技术确定对象最外面的部位。这种技术也可以用来确定对象重要部位的大小和位置。打个比方,如果要标注一辆汽车,那么它的重要部位(如后视镜、前灯和车轮)都会被确定。语义分割使用语义分割technique-Labelops.ai标注的图像如果想要通过将图像分割为不同的片段或区域来标注图像,可以选择语义分割,比如可以用其标注停车场的图像。一个停车场包括树木、草坪和人行道,这些组成部分都被分成了不同的片段,并被分别标注。使用语义分割技术进行图像标注时,可能需要调整语义分割算法的阈值,这将有助于标注人员标注任何其需要的图像。图像标注的步骤1. 分析项目的局限性标注给定图像的第一步是分析项目的局限性。通过分析项目,标注人员可以对项目及其约束条件有一个大致的了解。2.使用恰当的工具标注人员可以使用的工具很多。但是,需要为将要标注的图像选择恰当的工具,之前所作的分析将有助于为特定图像选择最佳的工具。3.使用恰当的技术选好合适的工具之后,标注人员需要采用恰当的技术来标注特定图像,这就需要研究项目说明。采用恰当的技术标注的图像可作为训练数据。

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。