Load mobile navigation

麻将规则图解:谷歌DeepMind研发“生成查询网”:无需人类帮助便能了解未见场景

谷歌DeepMind研发“生成查询网”:无需人类帮助便能了解未见场景

谷歌DeepMind研发“生成查询网”:无需人类帮助便能了解未见场景

(神秘的地球www.vel2.com.cn报道)据EurekAlert!:谷歌DeepMind部门的科学家研发了一种机器学习系统,它仅用少数场景的2-D抽样图像就能在无需人类监督时获悉环境的3-D组成,包括其离散的物件和属性。他们的系统被称作生成查询网(Generative Query Network,GQN),它或能为朝着可自主了解世界的机器做好准备;这些机器用的是自身传感器,它们无需用人类当今标记为计算机视觉系统所需的大型数据集进行培训。

GQN由两部分组成:一个是再现网络,它能从抽样图像中发展出一个编码的场景再现;另一个是生成网络,它能从新的视点传输出该场景的可能图像,它可在部分场景模糊时用来解决不确定性。GQN是用几个由不同的电脑生成的简单环境的2-D视图进行训练的;这些环境含有各种物件和照明设置。它接着会被给予一幅新的场景图像,并会从任何内含视点产生该场景预计的图像。

该网络的再现可被“因式分解”,表明像色彩、形状和大小等属性是分开获悉与编码的。研究人员能通过同时增、减GQN的再现来构建新的场景;从某含有一个红色球体的场景中减除一个蓝色球体,并添加一个有红色圆柱的场景便会产生一个有蓝色圆柱的场景,所有这些都无需人类明确教授GQN有关色彩或形状的概念。该网络还显示,它能作为一种有前途的控制机器人的装置;例如,它的预测能力令其仅用一个固定的摄像机便能从不同的角度“观察”机器人手臂,这意味着准确定位与控制所需的原始数据变少。

由Matthias Zwicker撰写的相关《视角》对这些发现做出了评论。




上一篇 下一篇
  • 地铁车厢人来人往的空间内,聚集着参差百态的灵魂 2019-04-17
  • 呵呵。。。你这是没有耐力和极不对称的高手。真正的高手过招会有很多的精彩回合。 2019-04-12
  • 股票买卖中不可忽略的大宗交易数据(上) 2019-04-12
  • 国务院办公厅印发《意见》 推进奶业振兴保障乳品质量安全 2019-04-06
  • 端午佳节 听习近平谈弘扬中国优秀传统文化 2019-04-03
  • 追求生活质感 四款豪华品牌中型SUV推荐 2019-04-03
  • 董明珠代表:建立保护企业人才机制 遏制“恶意挖人”现象 2019-04-02
  • 朔州市农委安排部署扫黑除恶专项斗争工作 2019-04-02
  • 对爱因斯坦歧视言论,中国人的反应却出人意料 2019-04-01
  • 日本佳子公主留学后回国 被称日本皇室"最美公主" 2019-03-20
  • 执导《玩具总动员》美国动画大师涉性骚扰将离职 2019-03-18
  • China focus Landmark two sessions set course for new era 2019-03-18
  • 上赛季CBA助攻王引哄抢 曾令旭年薪不会低于500万 2019-03-16
  • 英国脱欧“黑天鹅”效应蔓延 2019-03-14
  • 10年180万租房竟大都租出去了!租不起的还是老实买房吧 ——凤凰网房产北京 2019-03-14
  • 10| 852| 124| 116| 772| 468| 607| 189| 283| 955|