सिंथेटिक छवियों के साथ नया एआई मॉडल मिश्रित रियलिटी ऑब्जेक्ट डिटेक्शन को बढ़ाता है: IISC – द टाइम्स ऑफ इंडिया
बेंगलुरु: शोधकर्ताओं पर भारतीय विज्ञान संस्थान (आईआईएससी) औद्योगिक अनुप्रयोगों के लिए मिश्रित वास्तविकता (एमआर) प्रौद्योगिकी में एक लगातार चुनौती के लिए एक अभिनव समाधान विकसित किया है: एआई सिस्टम को प्रशिक्षित करने के लिए व्यापक छवि डेटासेट की आवश्यकता।
IISC के डिजाइन और विनिर्माण विभाग की टीम, के नेतृत्व में प्रदिप्टा बिस्वास।
“हाल के वर्षों में, एमआर टेक्नोलॉजीज, जहां डिजिटल और भौतिक तत्वों को मिश्रित किया जाता है, विनिर्माण और रखरखाव उद्योगों में अनुप्रयोगों को तेजी से ढूंढ रहे हैं। ये सिस्टम अक्सर वास्तविक दुनिया की वस्तुओं के साथ पहचान करने और बातचीत करने के लिए एआई पर भरोसा करते हैं,” आईआईएससी ने कहा।
हालांकि, यह जोड़ा, इन एआई मॉडल को प्रभावी ढंग से प्रशिक्षित करने के लिए, छवियों के एक बड़े और विविध संग्रह की आवश्यकता है।
यह इंगित करते हुए कि इस तरह के वास्तविक दुनिया के डेटा को इकट्ठा करना महंगा, समय लेने वाला और कभी-कभी औद्योगिक सेटिंग्स में सुरक्षा या एक्सेस प्रतिबंधों के कारण असंभव हो सकता है, IISC ने कहा कि Biswas और टीम ने एक रचनात्मक समाधान पाया है: सिंथेटिक छवि पीढ़ी।
हजारों वास्तविक तस्वीरों को इकट्ठा करने के बजाय, उन्होंने यथार्थवादी छवियों को उत्पन्न करने के लिए एक विशेष प्रकार के एआई दृष्टिकोण का उपयोग किया, जिसे एक प्रसार मॉडल कहा जाता है।
उन्होंने वास्तविक वस्तुओं की छवियां लीं – जैसे कि एक वायवीय सिलेंडर के कुछ हिस्से – और उन्हें अलग -अलग पृष्ठभूमि दृश्यों के साथ मिश्रित किया जहां ऑब्जेक्ट का पता लगाने से पहले संघर्ष हुआ है। IISC के अनुसार, यह मॉडल को विभिन्न प्रकार की सेटिंग्स में “देखने” में मदद करता है, जिससे यह वास्तविक जीवन में वस्तु को पहचानने में बेहतर होता है।
“टीम ने दो अन्य सामान्य तकनीकों के खिलाफ इस पद्धति का परीक्षण किया: पारंपरिक संपादन और GAN (जनरेटिव प्रतिकूल नेटवर्क)। प्रसार-आधारित दृष्टिकोण ने वस्तुओं का पता लगाने में बहुत अधिक सटीकता का नेतृत्व किया, भले ही यह कम छवियों का उपयोग करता था। विशेष रूप से, इसने पारंपरिक तरीकों की तुलना में 67% कम छवियों का उपयोग करते हुए 11% तक पता लगाने के प्रदर्शन में सुधार किया।”
इसके अतिरिक्त, टीम ने एक आसान-से-उपयोग इंटरफ़ेस बनाया है ताकि अन्य लोग गहरे तकनीकी ज्ञान के बिना अपने स्वयं के सिंथेटिक डेटा उत्पन्न कर सकें, IISC ने कहा, यह एमआर अनुप्रयोगों में मशीन लर्निंग मॉडल को बेहतर बनाने के लिए एक शक्तिशाली उपकरण बनाता है जहां डेटा सीमित है।
