AI Lab, 3 bài viết của tác giả chính được chọn tại CVPR2023, hội nghị hàng đầu xem kèo bóng đá lĩnh vực thị giác máy tính

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, TSE Prime Market: Mã chứng khoán 4751) là một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo được gọi là “AI ``CVPR2023 (Computer Vision and Pattern Nhận dạng)'' của các nhà nghiên cứu Naoto Inoue, Kotaro Kikuchi, Mayu Otani, Kota Yamaguchi và Riku Togashi, cũng như Yu Sawai và Ryosuke Ishigami của Trụ sở Kinh doanh AI※1

``CVPR'' là một xem kèo bóng đá những hội nghị quốc tế hàng đầu thế giới xem kèo bóng đá lĩnh vực thị giác máy tính và là hội nghị học thuật lớn nhất quy tụ các nhà nghiên cứu hàng đầu về công nghệ liên quan đến nhận dạng hình ảnh Tổ chức này sử dụng Google Scholar, một dịch vụ tìm kiếm bao gồm các tạp chí học thuật và bài báo học thuật※2, "Thiên nhiên" có mức độ ảnh hưởng cao đến các lĩnh vực học thuật※3hoặc “Khoa học”※4

Năm nay, 2360 bài viết (25,78%) đã được chấp nhận xem kèo bóng đá tổng số 9155 bài gửi Ngoài ra, xem kèo bóng đá số các bài báo được công ty chúng tôi chấp nhận, bài “Hướng tới các mô hình tài liệu đa phương thức linh hoạt” được chọn làm bài báo nổi bật Điểm nổi bật chỉ được trao cho một số lượng hạn chế các bài nghiên cứu được các hội nghị học thuật chấp nhận và cực kỳ khó, với tỷ lệ chấp nhận khoảng 2,5% vào năm 2023

Các bài viết được công ty chúng tôi chấp nhận sẽ được trình bày tại "CVPR2023" được tổ chức vào tháng 6 năm 2023

"Phòng thí nghiệm AI" nghiên cứu và phát triển nhiều công nghệ AI liên quan đến tiếp thị nói chung, đồng thời đang giải quyết nhiều vấn đề công nghệ khác nhau, đồng thời tăng cường hợp tác giữa ngành và học viện với các trường đại học và tổ chức học thuật Đặc biệt, nhóm nghiên cứu của chúng tôi xem kèo bóng đá lĩnh vực sáng tạo không chỉ tập trung vào nghiên cứu ứng dụng mà còn nghiên cứu cơ bản, như nghiên cứu một loạt công nghệ AI liên quan đến thể hiện sáng tạo nói chung, cũng như phát triển các chỉ số đánh giá và phương pháp phân tích mô hình làm cơ sở cho sự hiểu biết về truyền thông


"LayoutDM: Mô hình khuếch tán rời rạc để tạo bố cục có thể kiểm soát"
Naoto Inoue, Kotaro Kikuchi, Edgar Simo-Serra, Mayu Otani, Kota Yamaguchi
Tác giả: Naoto Inoue (CyberAgent AI Lab), Kotaro Kikuchi (CyberAgent AI Lab), Simosela Edgar (Đại học Waseda), Mayu Otani (CyberAgent AI Lab), Kota Yamaguchi (CyberAgent AI Lab)

Nghiên cứu này đề xuất mô hình máy học để tạo bố cục Tạo bố cục là công nghệ tự động đề xuất cách sắp xếp các thành phần như tiêu đề và ảnh, đồng thời được kỳ vọng sẽ hợp lý hóa đáng kể việc sản xuất các thiết kế đồ họa như biểu ngữ, trang trình bày và áp phích Nhiều phương pháp tạo bố cục xem kèo bóng đá những năm gần đây đã phát triển các mô hình chuyên biệt cho từng yêu cầu, nhằm mục đích tạo ra những thế hệ có thể đáp ứng các hướng dẫn khác nhau của nhà thiết kế nhằm cải thiện khả năng hoạt động đầu ra Ví dụ: ``Tôi muốn đặt phần tử A lên trên B'', ``Một số phần tử đã được xác định và tôi muốn tạo phần còn lại'' hoặc ``Tôi đã đặt chúng một cách đại khái, nhưng tôi muốn vị trí được tinh chỉnh'' Nghiên cứu trước đây nhận thấy rất khó để giải quyết tất cả các tình huống như vậy, nhưng xem kèo bóng đá nghiên cứu này, chúng tôi đã phát triển một phương pháp có thể xử lý tất cả các tình huống như vậy bằng cách sử dụng một mô hình duy nhất xem kèo bóng đá phương pháp đề xuất, chúng tôi đã mở rộng mô hình khuếch tán, một loại mô hình tổng quát, với nhiều cải tiến khác nhau về bố cục Chúng tôi đã xác nhận bằng thực nghiệm rằng mô hình mục đích chung của chúng tôi có thể tạo ra dữ liệu với độ chính xác gần bằng hoặc tương đương với các phương pháp hiện có xem kèo bóng đá nhiều tình huống tạo khác nhau mà chỉ các phương pháp hiện có không thể thực hiện được Nghiên cứu này được cung cấp bởi công ty chúng tôi “AI dự đoán cực'' dự kiến sẽ được áp dụng cho việc tạo quảng cáo biểu ngữ tự động ＜Link bài viết＞ ＜Blog nghiên cứu＞

"Hướng tới mô hình tài liệu đa phương thức linh hoạt"
Naoto Inoue, Kotaro Kikuchi, Edgar Simo-Serra, Mayu Otani, Kota Yamaguchi
Tác giả: Naoto Inoue (CyberAgent AI Lab), Kotaro Kikuchi (CyberAgent AI Lab), Simosela Edgar (Đại học Waseda), Mayu Otani (CyberAgent AI Lab), Kota Yamaguchi (CyberAgent AI Lab)

Nghiên cứu này đề xuất một mô hình học máy mô phỏng quá trình chỉnh sửa thiết kế đồ họa của các nhà thiết kế Đa phương thức xem kèo bóng đá chỉnh sửa thiết kế đồ họa※Điều quan trọng là các nhà thiết kế phải cải thiện chất lượng bằng cách xử lý nhiều loại dữ liệu khác nhau bằng tay, chẳng hạn như ``sắp xếp các lớp'' ``áp dụng hình ảnh vào mẫu'' và ``điều chỉnh các thuộc tính văn bản chi tiết (ví dụ: màu sắc, phông chữ, vv)'' Ngoài ra, bằng cách phát triển mô hình học máy tự động đưa ra các đề xuất chỉnh sửa cho từng quy trình, chúng ta có thể mong đợi tạo ra các thiết kế có chất lượng tốt hơn xem kèo bóng đá khoảng thời gian ngắn hơn Mặt khác, cho đến nay, khi xây dựng một mô hình, vẫn tồn tại những khó khăn về mặt kỹ thuật như ``các thành phần cần đặt rất đa dạng, chẳng hạn như ảnh, tiêu đề, nút, vv và một thiết kế duy nhất có xu hướng bao gồm nhiều thành phần'' và ``dữ liệu có thể sử dụng cho máy học là rất hiếm'' Ngay cả khi so sánh với việc tạo ra hình ảnh và văn bản, vốn đã có những tiến bộ vượt bậc xem kèo bóng đá những năm gần đây, thì việc này cực kỳ khó khăn và hiện có nghiên cứu đã tự giới hạn ở việc phát triển các mô hình chuyên biệt cho các tình huống cụ thể xem kèo bóng đá bài viết này, chúng tôi đã đề xuất một mô hình tổng quát áp dụng khuôn khổ ``học tập tự giám sát bằng cách điền vào chỗ trống'', vốn nổi tiếng về học tập tính năng, cho các bố cục đa phương thức Mô hình đề xuất chuyển đổi quy trình chỉnh sửa thiết kế, được biểu thị dưới dạng bài toán tạo với nhiều đầu vào và đầu ra khác nhau, thành bài toán "điền vào chỗ trống", có thể được giải bằng cách sử dụng cùng một mạng thần kinh Chúng tôi cũng đã thiết kế một mạng lưới thần kinh phù hợp với cấu trúc dữ liệu được xử lý xem kèo bóng đá bài toán này và xác nhận rằng chúng tôi có thể thu được kết quả tốt hơn so với việc áp dụng các mạng hiện có Nghiên cứu này dự kiến sẽ được áp dụng cho một hệ thống cộng tác với các nhà thiết kế để tạo quảng cáo biểu ngữ xem kèo bóng đá "AI dự đoán cực" do công ty chúng tôi cung cấp *Đa phương thức: Tập dữ liệu chứa hỗn hợp nhiều loại dữ liệu như số, hình ảnh và văn bản ＜Link bài viết＞ ＜Blog nghiên cứu＞

“Hướng tới đánh giá con người có thể xác minh và tái tạo xem kèo bóng đá quá trình tạo văn bản thành hình ảnh”
Mayu Otani, Riku Togashi, Yu Sawai, Ryosuke Ishigami, Yuta Nakashima, Esa Rahtu, Janne Heikkilä, Shin'ichi Satoh
Tác giả: Mayu Otani (CyberAgent AI Lab), Riku Togashi (CyberAgent AI Lab), Yu Sawai (Trụ sở kinh doanh AI), Ryosuke Ishigami (Trụ sở kinh doanh AI), Yuta Nakajima (Đại học Osaka), Esa Rahtu (Đại học Tampere), Janne Heikkilä (Đại học Oulu), Shinichi Sato (Cố vấn nghiên cứu CyberAgent)

xem kèo bóng đá nghiên cứu này, chúng tôi đã nghiên cứu đánh giá mô hình tạo hình ảnh từ văn bản Mặc dù AI tạo hình ảnh là công nghệ nhận được sự quan tâm đặc biệt xem kèo bóng đá những năm gần đây nhưng các phương pháp đánh giá AI tạo hình ảnh vẫn đang được phát triển Ngoài ra, nhiều nghiên cứu sử dụng các chỉ số đánh giá tự động nhưng nhiều vấn đề với đánh giá tự động đã được chỉ ra xem kèo bóng đá nghiên cứu này, chúng tôi đã đổi mới nỗ lực phát triển các thử nghiệm sử dụng người đánh giá nhằm đáp ứng các mô hình tạo hình ảnh ngày càng trở nên phức tạp hơn Con người có thể đánh giá chất lượng hình ảnh bằng cách xem xét toàn diện các yếu tố khác nhau Đây vẫn là một bài toán khó đối với các số liệu tự động Ngoài ra, dữ liệu đánh giá thủ công là nguồn tài nguyên thiết yếu để xác minh tính hợp lệ của các chỉ số đánh giá tự động Cho đến nay, phương pháp đánh giá thủ công đối với AI tạo hình ảnh ở mỗi bài báo là khác nhau và hơn nữa, chi tiết về quy trình thường không được công khai, điều này đặt ra các vấn đề từ góc độ minh bạch Hơn nữa, có rất ít xác minh về tính hợp lệ của phương pháp thử nghiệm, chẳng hạn như chất lượng của dữ liệu được thu thập Để giải quyết những vấn đề này, xem kèo bóng đá nghiên cứu này, chúng tôi đã xác minh cài đặt của một thử nghiệm đánh giá thủ công phổ biến và đề xuất quy trình đánh giá được đề xuất Dựa trên những phát hiện của nghiên cứu này, chúng tôi dự định cung cấp phần mềm và các định dạng báo cáo kết quả cho phép các nhóm nghiên cứu xem kèo bóng đá tương lai dễ dàng thực hiện các thí nghiệm tương tự Hơn nữa, qua kết quả phân tích tính hợp lệ của các chỉ báo đánh giá tự động bằng cách sử dụng dữ liệu đánh giá được thu thập, chúng tôi xác nhận rằng có một khoảng cách lớn giữa các chỉ báo đánh giá tự động và phán đoán của con người Để phát triển hơn nữa AI tạo hình ảnh, điều quan trọng là phải phát triển các chỉ số đánh giá phù hợp hơn với nhận thức của con người Nghiên cứu này nhằm mục đích cải thiện các phương pháp đánh giá cho nghiên cứu tạo hình ảnh xem kèo bóng đá tương lai và dự kiến sẽ hữu ích không chỉ cho nghiên cứu học thuật mà còn cho việc phát triển các dịch vụ tạo hình ảnh ＜Link bài viết＞ ＜Blog nghiên cứu＞

■Tương lai
Nghiên cứu được trình bày lần này dự kiến sẽ trở thành công nghệ cơ bản cho nghiên cứu và phát triển xem kèo bóng đá lĩnh vực AI tạo sinh và cũng dự kiến sẽ được sử dụng xem kèo bóng đá các dịch vụ thực tế "AI Lab" sẽ tiếp tục nỗ lực nghiên cứu và phát triển với mục đích hiện thực hóa sản phẩm quảng cáo chất lượng cao hơn kết hợp công nghệ AI

※1
※2
※3   
※4