ਪੈਨਾਸੋਨਿਕ ਨੇ ਦੋ ਐਡਵਾਂਸਡ AI ਟੈਕਨਾਲੋਜੀ ਵਿਕਸਿਤ ਕੀਤੀ,
CVPR2021 ਨੂੰ ਸਵੀਕਾਰ ਕੀਤਾ ਗਿਆ,
ਵਿਸ਼ਵ ਦੀ ਪ੍ਰਮੁੱਖ ਅੰਤਰਰਾਸ਼ਟਰੀ ਏਆਈ ਤਕਨਾਲੋਜੀ ਕਾਨਫਰੰਸ

[1] ਹੋਮ ਐਕਸ਼ਨ ਜੀਨੋਮ: ਵਿਪਰੀਤ ਰਚਨਾਤਮਕ ਐਕਸ਼ਨ ਸਮਝ

ਸਾਨੂੰ ਇਹ ਘੋਸ਼ਣਾ ਕਰਦੇ ਹੋਏ ਖੁਸ਼ੀ ਹੋ ਰਹੀ ਹੈ ਕਿ ਅਸੀਂ ਇੱਕ ਨਵਾਂ ਡੇਟਾਸੈਟ "ਹੋਮ ਐਕਸ਼ਨ ਜੀਨੋਮ" ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ ਜੋ ਕਿ ਕੈਮਰੇ, ਮਾਈਕ੍ਰੋਫੋਨ ਅਤੇ ਥਰਮਲ ਸੈਂਸਰਾਂ ਸਮੇਤ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਸੈਂਸਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਘਰਾਂ ਵਿੱਚ ਮਨੁੱਖ ਦੀਆਂ ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਨੂੰ ਇਕੱਤਰ ਕਰਦਾ ਹੈ। ਅਸੀਂ ਲਿਵਿੰਗ ਸਪੇਸ ਲਈ ਦੁਨੀਆ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਮਲਟੀਮੋਡਲ ਡੇਟਾਸੈਟ ਬਣਾਇਆ ਅਤੇ ਜਾਰੀ ਕੀਤਾ ਹੈ, ਜਦੋਂ ਕਿ ਰਹਿਣ ਵਾਲੀਆਂ ਥਾਵਾਂ ਲਈ ਜ਼ਿਆਦਾਤਰ ਡੇਟਾਸੇਟ ਪੈਮਾਨੇ ਵਿੱਚ ਛੋਟੇ ਹਨ। ਇਸ ਡੇਟਾਸੈਟ ਨੂੰ ਲਾਗੂ ਕਰਕੇ, AI ਖੋਜਕਰਤਾ ਇਸਦੀ ਵਰਤੋਂ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਅਤੇ AI ਖੋਜ ਲਈ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਤੌਰ 'ਤੇ ਰਹਿਣ ਵਾਲੇ ਸਥਾਨਾਂ ਵਿੱਚ ਲੋਕਾਂ ਦੀ ਸਹਾਇਤਾ ਕਰਨ ਲਈ ਕਰ ਸਕਦੇ ਹਨ।

ਉਪਰੋਕਤ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਮਲਟੀਮੋਡਲ ਅਤੇ ਮਲਟੀਪਲ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਵਿੱਚ ਲੜੀਵਾਰ ਗਤੀਵਿਧੀ ਮਾਨਤਾ ਲਈ ਇੱਕ ਸਹਿਕਾਰੀ ਸਿਖਲਾਈ ਤਕਨਾਲੋਜੀ ਵਿਕਸਿਤ ਕੀਤੀ ਹੈ। ਇਸ ਤਕਨਾਲੋਜੀ ਨੂੰ ਲਾਗੂ ਕਰਕੇ, ਅਸੀਂ ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ, ਸੈਂਸਰਾਂ, ਲੜੀਵਾਰ ਵਿਵਹਾਰਾਂ, ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਵਿਵਹਾਰ ਲੇਬਲਾਂ ਵਿਚਕਾਰ ਇਕਸਾਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਿੱਖ ਸਕਦੇ ਹਾਂ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਰਹਿਣ ਵਾਲੀਆਂ ਥਾਵਾਂ 'ਤੇ ਗੁੰਝਲਦਾਰ ਗਤੀਵਿਧੀਆਂ ਦੀ ਮਾਨਤਾ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਸਕਦੇ ਹਾਂ।
ਇਹ ਟੈਕਨਾਲੋਜੀ ਡਿਜੀਟਲ ਏਆਈ ਟੈਕਨਾਲੋਜੀ ਸੈਂਟਰ, ਟੈਕਨਾਲੋਜੀ ਡਿਵੀਜ਼ਨ, ਅਤੇ ਸਟੈਨਫੋਰਡ ਯੂਨੀਵਰਸਿਟੀ ਵਿਖੇ ਸਟੈਨਫੋਰਡ ਵਿਜ਼ਨ ਅਤੇ ਲਰਨਿੰਗ ਲੈਬ ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਕੀਤੀ ਖੋਜ ਦਾ ਨਤੀਜਾ ਹੈ।

ਚਿੱਤਰ 1: ਕੋਆਪਰੇਟਿਵ ਕੰਪੋਜੀਸ਼ਨਲ ਐਕਸ਼ਨ ਅੰਡਰਸਟੈਂਡਿੰਗ (CCAU) ਸਾਰੇ ਰੂਪਾਂਤਰਾਂ ਨੂੰ ਸਹਿਕਾਰੀ ਤੌਰ 'ਤੇ ਸਿਖਲਾਈ ਦੇਣ ਨਾਲ ਸਾਨੂੰ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਦੇਖਣ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲਦੀ ਹੈ।
ਅਸੀਂ ਵੀਡੀਓ-ਪੱਧਰ ਅਤੇ ਪਰਮਾਣੂ ਐਕਸ਼ਨ ਲੇਬਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਿਖਲਾਈ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਤਾਂ ਜੋ ਵੀਡੀਓ ਅਤੇ ਪਰਮਾਣੂ ਕਿਰਿਆਵਾਂ ਦੋਵਾਂ ਵਿਚਕਾਰ ਰਚਨਾਤਮਕ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਤੋਂ ਲਾਭ ਉਠਾ ਸਕਣ।

[2] ਆਟੋਡੀਓ: ਸਕੇਲੇਬਲ ਪ੍ਰੋਬੇਬਿਲਿਸਟਿਕ ਇੰਪਲਿਸਿਟ ਡਿਫਰੈਂਸ਼ੀਏਸ਼ਨ ਦੁਆਰਾ ਲੇਬਲ ਸ਼ੋਰ ਦੇ ਨਾਲ ਪੱਖਪਾਤੀ ਡੇਟਾ ਲਈ ਮਜ਼ਬੂਤ ਆਟੋ ਆਗਮੈਂਟ

ਸਾਨੂੰ ਇਹ ਘੋਸ਼ਣਾ ਕਰਦੇ ਹੋਏ ਵੀ ਖੁਸ਼ੀ ਹੋ ਰਹੀ ਹੈ ਕਿ ਅਸੀਂ ਇੱਕ ਨਵੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਟੈਕਨਾਲੋਜੀ ਵਿਕਸਿਤ ਕੀਤੀ ਹੈ ਜੋ ਸਿਖਲਾਈ ਡੇਟਾ ਦੀ ਵੰਡ ਦੇ ਅਨੁਸਾਰ ਆਪਣੇ ਆਪ ਹੀ ਸਰਵੋਤਮ ਡਾਟਾ ਵਾਧਾ ਕਰਦੀ ਹੈ। ਇਹ ਤਕਨਾਲੋਜੀ ਅਸਲ ਸੰਸਾਰ ਦੀਆਂ ਸਥਿਤੀਆਂ 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਿੱਥੇ ਉਪਲਬਧ ਡੇਟਾ ਬਹੁਤ ਛੋਟਾ ਹੈ। ਸਾਡੇ ਮੁੱਖ ਕਾਰੋਬਾਰੀ ਖੇਤਰਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਮਾਮਲੇ ਹਨ, ਜਿੱਥੇ ਉਪਲਬਧ ਡੇਟਾ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਕਾਰਨ AI ਤਕਨਾਲੋਜੀ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਸ ਤਕਨਾਲੋਜੀ ਨੂੰ ਲਾਗੂ ਕਰਨ ਨਾਲ, ਡਾਟਾ ਵਧਾਉਣ ਵਾਲੇ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਟਿਊਨਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਖਤਮ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਐਡਜਸਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਇਸ ਲਈ, ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਕਿ AI ਤਕਨਾਲੋਜੀ ਦੀ ਐਪਲੀਕੇਸ਼ਨ ਰੇਂਜ ਨੂੰ ਹੋਰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਫੈਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਭਵਿੱਖ ਵਿੱਚ, ਇਸ ਤਕਨਾਲੋਜੀ ਦੀ ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਵਿੱਚ ਹੋਰ ਤੇਜ਼ੀ ਲਿਆ ਕੇ, ਅਸੀਂ AI ਤਕਨਾਲੋਜੀ ਨੂੰ ਮਹਿਸੂਸ ਕਰਨ ਲਈ ਕੰਮ ਕਰਾਂਗੇ ਜਿਸਦੀ ਵਰਤੋਂ ਵਾਸਤਵਿਕ-ਸੰਸਾਰ ਦੇ ਵਾਤਾਵਰਨ ਜਿਵੇਂ ਕਿ ਜਾਣੇ-ਪਛਾਣੇ ਉਪਕਰਣਾਂ ਅਤੇ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਟੈਕਨਾਲੋਜੀ ਅਮਰੀਕਾ ਦੀ ਪੈਨਾਸੋਨਿਕ ਆਰ ਐਂਡ ਡੀ ਕੰਪਨੀ ਦੀ ਡਿਜੀਟਲ ਏਆਈ ਟੈਕਨਾਲੋਜੀ ਸੈਂਟਰ, ਟੈਕਨਾਲੋਜੀ ਡਿਵੀਜ਼ਨ, ਏਆਈ ਲੈਬਾਰਟਰੀ ਦੁਆਰਾ ਕੀਤੀ ਖੋਜ ਦਾ ਨਤੀਜਾ ਹੈ।

ਚਿੱਤਰ 2: ਆਟੋਡੀਓ ਡਾਟਾ ਵਧਾਉਣ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਦਾ ਹੈ (ਸ਼ੇਅਰਡ-ਪਾਲਿਸੀ DA ਦੁਬਿਧਾ)। ਵਧੇ ਹੋਏ ਰੇਲ ਡੇਟਾ (ਡੈਸ਼ਡ ਨੀਲੇ) ਦੀ ਵੰਡ ਲੁਕਵੀਂ ਥਾਂ ਵਿੱਚ ਟੈਸਟ ਡੇਟਾ (ਠੋਸ ਲਾਲ) ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀ ਹੋ ਸਕਦੀ:
"2" ਘੱਟ-ਵਧਿਆ ਹੋਇਆ ਹੈ, ਜਦੋਂ ਕਿ "5" ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਪਿਛਲੀਆਂ ਵਿਧੀਆਂ ਟੈਸਟ ਵੰਡ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀਆਂ ਅਤੇ ਸਿੱਖੇ ਹੋਏ ਵਰਗੀਕਰਣ f(θ) ਦਾ ਫੈਸਲਾ ਗਲਤ ਹੈ।