圖片來源: 

史丹佛大學

重點新聞(0117~0123)

史丹佛大學     ImagineNet     App介面  

史丹佛大學發表風格轉換工具ImagineNet,要來客製App介面樣式

史丹佛大學日前發表一套類神經風格轉換模型(Style transfer model)ImagineNet,可讓使用者來客製手機App的圖形使用者介面(GUI)外觀樣式。團隊指出,雖然坊間有些App可讓使用者自行設定GUI樣式,像是LINE可以更換主題、Candy Crush可根據不同關卡更換背景等,但這些都有限度的客製化,因為,只要開發者修改App,使用者的客製設定就可能消失。

ImagineNet可依據使用者自選圖片,來重新設計App的介面外觀,並維持App的運作功能。ImagineNet採神經風格轉換模型,在原有公式中,加入新的損失項(Loss term),來降低CNN中輸入值和輸出影像的平方誤差(Squared error),盡可能保留原有App的特徵和新輸入的介面設置。為測試結果,團隊找來50位評審,來評估ImagineNet所產生的GUI外觀和其他工具產生的GUI外觀,結果顯示,全數評審皆認為ImagineNet產生的GUI效果最好。(詳全文)

  3D人體模型     CES    GenkiCam  

3D人體建模福音!哈佛大學釋出穿衣人體模型資料集3D People

哈佛大學聯手西班牙工業資訊研究院,鎖定電腦視覺的3D人體建模需求,共同釋出第一個穿衣人體模型資料集3D People,也一併開發外形參數演算法和多解析度深度GAN,來預測穿著衣服的人體體型。團隊指出,近來,3D人體外形預估技術讓人體建模越來越精準,但對建立不同衣著的人體模型來說,仍有很大的進步空間。

於是,團隊發表3D People資料集,提供穿著不同幾何衣著的人體模型。3D People共有250萬幀影像,其中包含執行70種動作的40位男性和40位女性,每位體型和衣著都不同。團隊用4個攝影機來拍攝這些人的動作序列,並提供不同的標註,包括RGB、3D骨架、人體和服裝語義遮罩、深度圖、光流(Optical flow),以及攝影機參數等。完整資料集現已開放下載。(詳全文)

  台塑     AI專案     影像辨識 

目標效益3億元!台塑全員推動120項AI專案

台塑董事長林健男日前揭露自家AI計畫,近年將仁武廠設為AI研發中心,逐步在各廠導入AI應用,更設定了120項AI專案,全數完成後將帶來3億元效益。

林健男指出,台塑目前已完成其中52項,涵蓋了產銷優化、品質確保、智慧保養、巡檢數位化、降低成本等五大面向。在品質確保方面,台塑以影像辨識AI來取代人工抽樣檢驗產品,找出品質異常原因的痛點,甚至提供最佳製程操作的建議值。比如,台塑碱場共有16,768支電解槽溢流管,若未即時察覺堵塞情況,會造成槽內高溫危險,但過去僅仰賴操作員每班巡檢兩次,無法全面檢驗,但透過影像辨識技術,每2秒就能自動檢驗異常。除了AI專案,台塑也在規畫建置供應商與客戶產業鏈AI作業平臺,來預估原物料與銷售量需求、品質良率預測與交貨物流分析等。(詳全文)

  科技部    邊緣AI       半導體 

科技部今年聚焦半導體三大類應用,涵蓋太空、量子電腦和邊緣AI

科技部部長陳良基日前宣布,今年要強化三大類半導體應用,包括太空技術、量子電腦,以及邊緣AI。就AI來說,科技部鎖定邊緣AI所需的即時、低功耗和高效能需求,要來強化晶片設計、先進製程、新材料和元件技術的發展,可望應用於智慧家庭、醫療、交通和農業等產業。

至於量子電腦,科技部指出,半導體是量子位元發展不可或缺的元素,相關技術如低溫矽基技術、量子位元電路設計、量子電腦次系統整合等,也會是未來的強化重點。(詳全文)

  Google    降雨預測    卷積網路  

不用物理模擬,Google靠機器學習就能即時預測降雨

Google日前揭露利用機器學習來即時預測天氣的進展,雖然目前仍在初期階段,但已能以1公里的預測解析度,來預報接下來6小時內的降雨,總延遲時間只有5到10分鐘。

不只如此,Google的機器學習預測方法,只需要雷達資料,不需任何物理模擬。團隊首先利用2017年到2019年的觀測資料,來訓練CNN,資料以4星期為一個單位,一個單位前3個星期的資料為訓練資料,第4周的資料用來評估。之後,團隊將自家的CNN方法,與HRRR、OF演算法和持續型模型等三個廣泛使用的快速預測模型相比,在精確度和召回率(Precision & Recall)上顯示,Google的預測結果明顯高於其他三個模型,但預測範圍在5、6小時後,HRRR的預測結果品質就會超越Google的機器學習方法。 (詳全文)

緯謙科技   交大     資料標註  

緯謙聯手交大,首發瞄準資料標註自動化來攻工業4.0

緯謙科技日前與交通大學簽署合作備忘錄,要結合交大在AI領域的研究,來開發符合產業需求的解決方案。緯謙表示,研發重點將聚焦於資料標註自動化,以及方案模組化,要改善產業上AI專案無法複製的痛點。

交大方面,將由電機系教授王蒞君領軍,團隊成員包括電機系助理教授帥宏翰、資工系副教授黃敬群,以及機械系副教授鄭中緯。王蒞君表示,初期將融入機器學習影像識別技術和自動標註功能,來設計設備行為預測、影像辨識、異常資料生成等方案,長期目標則希望發展跨領域應用。 (詳全文)

KPMG    演算法治理    決策錯誤 

KPMG:企業導入AI應建立起演算法治理框架,來降低模型決策錯誤的風險

KPMG安侯企業管理執行副總謝昀澤日前指出,企業應從大數據的正確性、演算法的可解釋性、運算效率三大面向來檢視AI決策模型,建立起受信任的AI機制,並提出一套演算法治理框架,給企業參考。

進一步來說,企業在導入AI時,可先決定AI應用策略並規畫治理藍圖,來把關AI導入流程。除了確保大數據的正確性,在演算法方面,應從整體生命周期來檢視,在設計就融入資安與隱私防護措施,也應在調校與測試時,進行演算法效能與安全分析,並確認是否滿足原始需求;部署後,更要隨時監控與優化AI模型,並確實推廣使用者安全與教育訓練。謝昀澤表示,以上的框架就是為了讓利害關係者,相信演算法能做出正確決定。(詳全文)

工研院     產學合作     工業4.0  

工研院大秀南臺灣產業轉型成果,以AI解決傳統工業排程問題

工研院鎖定工業4.0,日前展示南臺灣產學合作成果,包括與世豐螺絲合作開發的生產排程系統、提供水產養殖業的AI水質監控系統,以及導入光陽工業的剩餘里程數預測技術等。

就生產排程系統來說,工研院2年多前開始與世豐螺絲合作,一起開發生產規畫輔助系統,透過演算法來取代生產管理人員排程派工的流程。這套系統,利用螺絲款式的相似之處,比如螺絲長短、內外徑、頭型等,來自動安排需求相似的工單,減少傳統少量多樣訂單所需的換模次數。工研院表示,導入系統後,世豐已能將原先2,000多次的換模次數,減少到900多次,減少六成作業量。未來,雙方還要將排程系統擴大至熱處理、烤漆、電鍍等開發後製程。 (詳全文)

攝影/王若樸、翁芊儒

圖片來源/史丹佛大學、Google、哈佛大學

 AI趨勢近期新聞 

1. 電動機車市場崛起,光陽導入AI精準預測剩餘里程數

2. 人臉辨識業者Clearview AI提供30億圖庫供數百個執法機構使用

3. LinkedIn以機器學習偵測不適當的個人檔案內容

4. AWS釋出寫三行程式碼就能創建高效能神經網路模型的函式庫AutoGluon

資料來源:iThome整理,2020年1月


Advertisement

更多 iThome相關內容