Load mobile navigation

广东麻将赢牌技巧: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
  • 新余市市场和质量监管局为重病村级食品安全信息员捐款(图) 2019-02-15
  • 左凌仁的专栏作者中国国家地理网 2019-02-15
  • 高清图集:习近平在山东考察 2019-02-04
  • 回复@永胜龙须村:你是明白人! 2019-01-30
  • 老干部同志,你是否愿意让别人骑在你头上拉丝拉尿?[哈哈] 2019-01-30
  • 新时代我国社会的主要矛盾及其现实意义 2019-01-29
  • 人民网时尚携众明星大咖齐拜年  2019-01-29
  • 中国铁路昆明局总经理王耕捷代表:运价下浮助推产业转型升级 2019-01-27
  • 虹口:街道福利工厂违建 “公字违建”也要拆 2019-01-27
  • 故事中美两军举行人道主义救援减灾联合实兵演练 2019-01-25
  • 追踪御锦城小区业主为娃上学"讨说法" 开发商取消上学摇号开发商业主-西安新闻 2019-01-23
  • 彭湃:“农民运动大王”(为了民族复兴·英雄烈士谱) 2019-01-23
  • 意料之中。美国若逼中国汇率升值,它自己会变成世界老二,所以只能直接动商品 2019-01-21
  • “笔墨纸砚文化之旅 ”——海峡两岸大学生文化体验营大陆营员名单揭晓 2019-01-21
  • 世界杯F组:格兰奎斯特点球建功 瑞典1 2019-01-18
  • 368| 312| 357| 532| 554| 625| 349| 597| 589| 156|