Google, üç boyutlu sahne anlayışını daha da geliştirdi

Google‘ın açıklamasına göre, son birkaç yılda 3 boyutlu sensörlerin örneğin lidar, derinlik algılama kameraları ve radarın her yerde artması, bu cihazların yakaladığı verileri işleyebilen sahne anlama teknolojisine ihtiyaç yarattı. Google bu ihtiyaç türünde bir teknolojinin, otonom arabalar ve robotlar gibi bu sensörleri kullanan makine öğrenimi sistemlerinin gerçek dünyada gezinmesini ve çalışmasını sağlayabileceğini ve mobil cihazlarda geliştirilmiş bir artırılmış gerçeklik deneyimi oluşturabileceğini düşünüyor.

Arama motoru sağlayıcısı Google, bilgisayar görüşü alanının, mobil 3D nesne algılama, şeffaf nesne algılama ve daha fazlası için modeller de dahil olmak üzere 3D sahne anlayışında son zamanlarda iyi bir ilerleme kaydetmeye başladığını belirtiyor. Ancak şirket, yayınladığı blog gönderisinde, sınırlı kullanılabilirlik araçları ve olabilecek kaynaklar nedeniyle alanda faaliyet göstermenin zor olabileceğini aktarıyor.

Google AI, TensorFlow 3D’yi yayınladı

Teknoloji devi Google, üç boyutlu sahne anlayışını daha da geliştirmek, iyileştirmek ve ilgilenen araştırmacıları için giriş engellerini azaltmak adına üç boyutlu derin öğrenme yeteneklerini TensorFlow’a getirmek için tasarlanmış modüler ve verimli kitaplık TensorFlow 3D‘yi yayınladı.

Teknoloji şirketinin geliştirdiği TensorFlow 3D kütüphanesi, daha geniş araştırma topluluğunun son teknoloji 3D sahne anlayış modellerini geliştirmesine, eğitmesine ve dağıtmasına olanak tanıyor. Ayrıca yeni kütüphane popüler işlemler, kayıp fonksiyonları, veri işleme araçları, modelleri ve ölçümleri de sağlıyor.

TF 3D ayrıca, 3D nesne şekli tahmini, nokta bulutu kaydı ve nokta bulutu yoğunlaştırma gibi diğer potansiyel uygulamaları da etkinleştirebiliyor. Buna ek olarak, standart 3D sahne anlayış veri kümelerinin eğitimi ve değerlendirilmesi için birleşik bir veri kümesi özelliği ve yapılandırmasını da sunuyor.

Google’ın bir blog gönderisinde duyurduğu yeni kitaplık, şu anda Waymo Open, ScanNet ve Rio veri setlerini destekliyor. Bununla birlikte, kullanıcılar NuScenes ve Kitti gibi diğer popüler veri setlerini benzer bir formata özgürce dönüştürebiliyor ve bunları önceden var olan veya özel olarak oluşturulmuş ardışık düzenlerde kullanabilecek.

Ayrıca Google, kullanıcıların çok çeşitli 3D derin öğrenme araştırmaları ve uygulamaları için TF 3D’den yararlanabileceğini, hızlı bir şekilde prototip oluşturmaktan ve yeni fikirler denemekten gerçek zamanlı bir çıkarım sistemini uygulayabileceğini ifade ediyor.

Kaynak: Shiftdelete