[Алгоритмы, Искусственный интеллект, Обработка изображений] МТИ и Microsoft обучили алгоритм находить скрытые параллели между картинами
Автор
Сообщение
news_bot ®
Стаж: 6 лет 9 месяцев
Сообщений: 27286
Команда из Массачусетского технологического института помогла Microsoft создать систему поиска изображений. Она базируется на работе алгоритма, который ищет соответствия картин разных художников.
«Даже самым подвинутые искусствоведы не могут ознакомиться с миллионами картин за тысячи лет и найти неожиданные параллели в темах, мотивах и визуальных стилях», — пояснили разработчики. Их вдохновила выставка картин «Рембрандт и Веласкес» в Рейксмузеуме.
Новая система MosAIc подбирает схожие произведения, используя глубокое обучение. Чтобы найти две одинаковые картины, новый алгоритм поиска отвечает на вопросы, к примеру, «какой музыкальный инструмент ближе всего к этому изображению сине-белого платья», и извлекает изображение сине-белой фарфоровой скрипки.
«Системы поиска изображений позволяют пользователям находить те, которые семантически похожи на изображение из запроса, и служат основой для поисковых систем с обратным изображением и многих механизмов рекомендаций по продуктам», — отмечают авторы разработки. — «Ограничение системы поиска определенными подмножествами изображений может дать новое понимание отношений в визуальном мире. Мы стремимся стимулировать новый уровень взаимодействия с творческими артефактами».
MosAIc отличается от инструмента Google X Degrees of Separation, который находит сходства между двумя произведениями искусства тем, что ему требуется только одно изображение. Он раскрывает связи с этим произведением в любой культуре или средствах массовой информации.
Команда использовала новую структуру данных поиска изображений, которая группирует подобные изображения вместе в древовидную структуру. Чтобы найти близкое соответствие, они начинают со «ствола» дерева и следуют за наиболее многообещающей «ветвью». Структура данных улучшена, и дерево быстро трансформируется в соответствии с новым типом запросов.
Этот подход также может быть использован для помощи в поиске дипфейков. Он помогает найти области, в которых вероятностные модели на генеративных состязательных сетях не работают. Эти слепые зоны также показывают, как GAN пытаются представить определенные области набора данных.
«В дальнейшем мы надеемся, что эта работа вдохновит других задуматься о том, как инструменты поиска информации могут помочь другим областям, таким как искусство, гуманитарные науки, социальные науки и медицина. Эта работа может быть расширена с точки зрения новых наборов данных, новых типов запросов и новых способов понимания связей между работами», — отметили исследователи.
===========
Источник:
habr.com
===========
Похожие новости:
- [GitHub, Python, SQLite, Алгоритмы, Веб-аналитика] Как проанализировать рынок фотостудий с помощью Python (2/3). База данных
- [.NET, C#, Алгоритмы, Разработка игр] A* pathfinding на C#: двоичные кучи и борьба с аллокациями
- [Алгоритмы, Звук] Алгоритмизируем музыку
- [IT-компании, Работа с видео, Искусственный интеллект, Обработка изображений] Владелец WeChat перечислил плюсы дипфейков
- [Алгоритмы, Законодательство в IT, Математика] Опубликован алгоритм генерации уникальных 11-разрядных номеров жителям РФ
- [Алгоритмы, Здоровье, Информационная безопасность, Искусственный интеллект, Исследования и прогнозы в IT] NIST: медицинские маски нарушают работу систем распознавания лиц
- [Видеокарты, Математика, Научно-популярное, Обработка изображений, Процессоры] Что такое тензорные ядра: вычисления со смешанной точностью (перевод)
- [Искусственный интеллект, Машинное обучение, Профессиональная литература] Книга «Обработка естественного языка в действии»
- [C, Алгоритмы] Алгоритм сортировки quadsort (перевод)
- [Искусственный интеллект, Космонавтика, Разработка систем связи] «Когнитивное радио» на нейросетях установило связь с МКС
Теги для поиска: #_algoritmy (Алгоритмы), #_iskusstvennyj_intellekt (Искусственный интеллект), #_obrabotka_izobrazhenij (Обработка изображений), #_mti (мти), #_iskusstvo (искусство), #_kartiny (картины), #_algoritmy (алгоритмы), #_glubokoe_obuchenie (глубокое обучение), #_dipfejki (дипфейки), #_algoritmy (
Алгоритмы
), #_iskusstvennyj_intellekt (
Искусственный интеллект
), #_obrabotka_izobrazhenij (
Обработка изображений
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 23-Ноя 01:29
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 9 месяцев |
|
 Команда из Массачусетского технологического института помогла Microsoft создать систему поиска изображений. Она базируется на работе алгоритма, который ищет соответствия картин разных художников. «Даже самым подвинутые искусствоведы не могут ознакомиться с миллионами картин за тысячи лет и найти неожиданные параллели в темах, мотивах и визуальных стилях», — пояснили разработчики. Их вдохновила выставка картин «Рембрандт и Веласкес» в Рейксмузеуме. Новая система MosAIc подбирает схожие произведения, используя глубокое обучение. Чтобы найти две одинаковые картины, новый алгоритм поиска отвечает на вопросы, к примеру, «какой музыкальный инструмент ближе всего к этому изображению сине-белого платья», и извлекает изображение сине-белой фарфоровой скрипки. «Системы поиска изображений позволяют пользователям находить те, которые семантически похожи на изображение из запроса, и служат основой для поисковых систем с обратным изображением и многих механизмов рекомендаций по продуктам», — отмечают авторы разработки. — «Ограничение системы поиска определенными подмножествами изображений может дать новое понимание отношений в визуальном мире. Мы стремимся стимулировать новый уровень взаимодействия с творческими артефактами». MosAIc отличается от инструмента Google X Degrees of Separation, который находит сходства между двумя произведениями искусства тем, что ему требуется только одно изображение. Он раскрывает связи с этим произведением в любой культуре или средствах массовой информации. Команда использовала новую структуру данных поиска изображений, которая группирует подобные изображения вместе в древовидную структуру. Чтобы найти близкое соответствие, они начинают со «ствола» дерева и следуют за наиболее многообещающей «ветвью». Структура данных улучшена, и дерево быстро трансформируется в соответствии с новым типом запросов. Этот подход также может быть использован для помощи в поиске дипфейков. Он помогает найти области, в которых вероятностные модели на генеративных состязательных сетях не работают. Эти слепые зоны также показывают, как GAN пытаются представить определенные области набора данных. «В дальнейшем мы надеемся, что эта работа вдохновит других задуматься о том, как инструменты поиска информации могут помочь другим областям, таким как искусство, гуманитарные науки, социальные науки и медицина. Эта работа может быть расширена с точки зрения новых наборов данных, новых типов запросов и новых способов понимания связей между работами», — отметили исследователи. =========== Источник: habr.com =========== Похожие новости:
Алгоритмы ), #_iskusstvennyj_intellekt ( Искусственный интеллект ), #_obrabotka_izobrazhenij ( Обработка изображений ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 23-Ноя 01:29
Часовой пояс: UTC + 5