Panasonic разрабатывает две передовые технологии искусственного интеллекта,
Принято на CVPR2021,
Ведущая в мире международная конференция по технологиям искусственного интеллекта

[1] Геном главного действия: понимание контрастного композиционного действия

Мы рады сообщить, что мы разработали новый набор данных «Геном домашних действий», который собирает информацию о повседневной деятельности людей в их домах с использованием нескольких типов датчиков, включая камеры, микрофоны и термодатчики. Мы создали и опубликовали крупнейший в мире мультимодальный набор данных для жилых помещений, хотя большинство наборов данных для жилых помещений были небольшими по размеру. Применяя этот набор данных, исследователи ИИ могут использовать его в качестве обучающих данных для машинного обучения и исследований ИИ для поддержки людей в жизненном пространстве.

В дополнение к вышесказанному мы разработали технологию совместного обучения для распознавания иерархической деятельности в мультимодальных и множественных точках зрения. Применяя эту технологию, мы можем изучить согласованные характеристики между различными точками зрения, датчиками, иерархическим поведением и подробными метками поведения и, таким образом, улучшить эффективность распознавания сложных действий в жилых помещениях.
Эта технология является результатом исследований, проведенных в сотрудничестве Центра цифровых технологий искусственного интеллекта, технологического отдела и Стэнфордской лаборатории видения и обучения Стэнфордского университета.

Рисунок 1: Понимание совместных композиционных действий (CCAU). Совместная тренировка всех модальностей позволяет нам увидеть улучшение производительности.
Мы используем обучение с использованием меток как на уровне видео, так и на уровне атомарных действий, чтобы и видео, и атомарные действия могли извлечь выгоду из композиционного взаимодействия между ними.

[2] AutoDO: надежное автоматическое увеличение для смещенных данных с шумом меток посредством масштабируемого вероятностного неявного дифференцирования.

Мы также рады сообщить, что разработали новую технологию машинного обучения, которая автоматически выполняет оптимальное увеличение данных в соответствии с распределением обучающих данных. Эту технологию можно применять в реальных ситуациях, когда доступных данных очень мало. В наших основных сферах бизнеса есть много случаев, когда применить технологию искусственного интеллекта сложно из-за ограничений доступных данных. Применяя эту технологию, можно исключить процесс настройки параметров увеличения данных и настроить параметры автоматически. Таким образом, можно ожидать, что диапазон применения технологии искусственного интеллекта может расшириться. В будущем, ускоряя исследования и разработки этой технологии, мы будем работать над реализацией технологии искусственного интеллекта, которую можно будет использовать в реальных средах, таких как знакомые устройства и системы. Эта технология является результатом исследований, проведенных Центром цифровых технологий искусственного интеллекта технологического отдела Лаборатории искусственного интеллекта американской научно-исследовательской компании Panasonic.

Рисунок 2. AutoDO решает проблему увеличения данных (дилемма DA с общей политикой). Распределение расширенных данных поезда (пунктирный синий) может не совпадать с тестовыми данными (сплошной красный) в скрытом пространстве:
«2» — недостаточное увеличение, а «5» — чрезмерное. В результате предыдущие методы не могут соответствовать тестовому распределению, и решение изученного классификатора f (θ) является неточным.