Google發表一套深度學習模型Phorhum,採用像素對齊方法和補丁渲染損失方法,來產出詳細的人體細節。

圖片來源: 

Google

重點新聞(0415~0421)

Google     3D重建     RGB照片  

Google新技術憑一張RGB照片就產出栩栩如生的3D人像

Google發表3D穿衣人像重建模型Phorhum,只憑一張單眼RGB人物照片,就能重建出栩栩如生的3D穿衣人像,甚至還能做各式各樣的動作,未來可用於線上購物如服裝試穿等。團隊解釋,Phorhum是套端到端、可訓練的深度學習模型,採用了像素對齊方法,來預估詳細的3D幾何圖形和無陰影的表面與場景光照。此外,Phorhum也採用補丁渲染損失方法,可針對人體可見部位進行顏色重建,並對不可見部位進行詳細且合理的顏色預估。

經測試,Google指出,Phorhum突破了過往3D人體重建研究的幾何、光照等限制,可在3D重建中忠實呈現照片人物的大部分細節,適用於各種體形、膚色和服裝。(詳全文)

 

 

  AWS      無伺服器     SageMaker  

AWS無伺服器機器學習推論服務SageMaker正式發布了

AWS去年12月釋出無伺服器機器學習推論服務SageMaker Serverless Inference,近日終於正式發布了。這個服務主打使用者部署ML模型時,不必配置和管理基礎架構,適合用於間歇性或流量不頻繁的工作,像是Chatbot、文件分析等。

AWS指出,不同ML推論情境,對底層架構的需求也不同。比如,廣告投放、詐欺偵測、個人化產品推薦等ML應用,就適合毫秒級反應時間的API線上推論。而大型ML模型,如電腦視覺應用,就需要優化的基礎架構,來在幾分鐘內執行大量的工作負載推論。至於Chatbot服務、文件資料分析等這類使用量間歇性的工作,就需要能根據推論請求量來自動擴展運算資源的線上推論服務,這種服務能在閒置時自動關閉運算資源,替使用者省下運算成本。

在操作上,使用者可用SageMaker內建演算法和支援ML框架的容器,來部署模型到無伺服器推論端點,或是自帶容器。如果推論需求量變得穩定、可預期,使用者可輕鬆從無伺服器服務轉為SageMaker即時推論服務,不需變更容器映像檔。使用無伺服器服務,使用者也能享有SageMaker功能,像是內建指標,如調用計數、故障、延遲、錯誤等。自SageMaker無伺服器服務預覽以來,AWS還新添了SageMaker Python SDK和模型庫,這次GA也有新調整,將每個端點的同時調用最大值設為200,比預覽版的50還要高,可用來處理高負載工作。(詳全文)

  孔祥重     AI模組     區塊鏈  

孔祥重揭露分散式AI新趨勢,預言AI模組未來能用區塊鏈交易

長年鑽研AI的中研院院士暨哈佛大學電腦科學與電子工程教授孔祥重日前出席Galaxy Summit 2022指出,AI將繼續朝分散式方向發展,目前除了分散式聯合學習(Federated learning)方法,和分散式的GPU算力網路來協助訓練超大AI模型外,他與哈佛實驗室團隊也提出不少創新嘗試,比如利用Early Exit方法,讓AI預測時,不必每層類神經網路都得運算,來降低延遲,又或是將AI模型模組化,來提高重複使用率。

甚至,他認為,AI模型中的模組,未來也會放置於區塊鏈上來交易。這就好比,數位內容以NFT形式在區塊鏈上販售。「讓AI模組在區塊鏈上進行商業交易,現在說來雖然有點遠,但遲早會走到這一步,」孔祥重說。(詳全文)

  IBM    大型主機       量子破解  

IBM最新大型主機z16主打AI加速,號稱能抗量子破解

IBM日前發表最新大型主機z16,晶片具AI加速功能,專用於即時大量資料運算和AI分析,同時也號稱是第一個能抗量子破解的安全系統。z16搭載Telum處理器,這款晶片採7奈米製程,具225億顆電晶體,可有效支援AI推論等高運算量作業。IBM表示,它一天可處理3千億次推論呼叫,延遲性不到1毫秒。除了傳統詐欺偵測或醫療影像分析任務,Z16也可用於其他新應用,像是貸款審核、加密貨幣的清算、結算、逃稅,以及零售業防詐欺和盜竊的聯合學習等。

z16也號稱是第一臺抗量子破解的系統。因為,z16多層韌體都內建雙簽章,其安全開機功能整合傳統簽章及抗量子簽章可防量子破解攻擊,確保韌體不被注入木馬或勒索軟體等惡意程式。Z16預計5月31日正式上市。(詳全文)

  甲骨文    MySQL     HeatWave ML  

MySQL應用程式也能有ML功能!甲骨文新推HeatWave ML服務

甲骨文推出HeatWave ML服務,讓原本的雲端資料庫服務MySQL HeatWave也能支援ML功能,打破MySQL應用程式難以添加ML功能的魔咒。HeatWave ML可完全自動化ML生命周期,能將所有訓練過的模型儲存在MySQL資料庫,不必將資料或模型移轉至ML工具或服務。如此一來就降低ETL流程的複雜度和成本,並提高資料和模型的安全性。HeatWave ML包含不少功能,像是全自動化模型訓練、模型和推論可解釋性、超參數調整,以及演算法選擇和模型訓練資料抽樣等。(詳全文)

  國研院     地震預警     建物監測  

國研院打造AI震前預警、震後建物監測系統

國研院國震中心研究員林沛暘透過科技部科研創業計畫,成立一家新創,將多年研發經驗打造為AI現地型地震預警系統、結構監測自動化平臺等2大系統,前者要在第一時間通知民眾和企業,後者要在震後分析建築物結構,透過震前預警、震後監測來降低損害。

進一步來說,預警系統會先偵測較快發出的地震P波,接著預測地震震度和最大地動加速度值(PGA),算出地震大小。為打造預測系統,林沛暘用20多萬筆歷史資料和每年新增的5千筆資料,來訓練AI預警模組。完成後測試,模型可在接收3秒P波後,在0.01秒內給出預警警報,比地震早5到20秒。

這個預警系統已用於企業和海外,使用企業包括高鐵和高科技大廠,透過地震儀和AI運算主機來執行預警系統,接到預警警報時,產線機臺自動觸發相關處置,相關人員也會接收簡訊通知,這種方式讓產線恢復時間從4到8小時縮短為15至30分鐘。這套AI預警系統,一套可服務半徑15公里的區域,學校、住家、辦公大樓等區域安裝警報接收機即可,就能使用震前聲光警示、瓦斯、電梯控制。在海外,印尼雅加達就部署7套系統。另一套大樓結構監測系統,可在震後10到15分鐘內,提出建物結構安全評估報告。目前,團隊正與公部門洽談,要應用於社會住宅。(詳全文)

  HPE     國際太空站     邊緣運算  

AI系統在國際太空站實驗結果揭曉

HPE電腦登上太空站已滿1年,共完成了24項AI運算實驗。HPE去年和美國NASA合作,將自家SBC-2電腦由火箭載往國際太空站,是太空站上第一座邊緣運算AI系統。它的任務是協助太空人在登月及登陸火星等探索任務中,能獨立執行即時AI資料分析,它所完成的24項實驗,涵蓋醫療、影像處理、自然災害復原、3D列印、5G等任務,比如將原本耗時12小時的1.8GB DNA序列資料分析作業縮短為6分鐘,分析的結果還可壓縮成92KB檔案,在2秒鐘內送回地球。這座系統也能即時執行NASA噴氣推進實驗室的深度學習推論網路,由衛星拍攝的地球遙感影像,推測颶風後的洪水範圍及對都會區建築的影響。(詳全文)

圖片來源/Google、AWS、林沛暘

  AI近期新聞 

1. 鴻海導入商用雲端工具,將模型訓練時間從3小時縮短為5分鐘

2. 玉山銀行2022年夏季AI挑戰賽開跑!聚焦語音辨識後修正

3. 吳恩達預告6月將推出與史丹佛大學合作的新ML Coursera課程

資料來源:iThome整理,2022年4月

熱門新聞

Advertisement