Poiché la maggior parte degli ambienti del mondo reale è tridimensionale, I modelli di deep learning progettati per analizzare video o completare attività in ambienti reali dovrebbero idealmente essere addestrati su dati 3D. Strumenti tecnologici come robot, veicoli a guida autonoma, smartphone, e altri dispositivi stanno attualmente generando una quantità crescente di dati 3D che potrebbero essere elaborati da algoritmi di deep learning.

Fino ad ora, però, addestrare algoritmi di deep learning su questa grande quantità di dati 3D è stato relativamente difficile, poiché gli strumenti e le piattaforme necessari sono accessibili solo ad alcuni ricercatori di intelligenza artificiale (AI). Per ovviare a questa mancanza di strumenti prontamente disponibili, un team di ricercatori di NVIDIA ha recentemente creato Kaolin, una libreria open source PyTorch volta a far avanzare e facilitare la ricerca di deep learning 3D.

"Attualmente, non esiste una singola libreria software open source che supporti più rappresentazioni di dati 3D, molteplici compiti, e criteri di valutazione, "Krishna Murthy Jatavallabhula, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "Abbiamo deciso di colmare questa lacuna nella letteratura creando Caolino, la prima libreria completa di deep learning 3D."

Caolino, la libreria PyTorch presentata da Jatavallabhula e dai suoi colleghi, contiene una varietà di strumenti per la costruzione di architetture di deep learning in grado di analizzare dati 3D, che sono sia efficienti che facili da usare. Consente inoltre ai ricercatori di caricare, preprocesso, e manipolare i dati 3D prima che vengano utilizzati per addestrare algoritmi di deep learning.

Kaolin include diversi moduli grafici per modificare immagini 3D, con funzioni come rendering, illuminazione, ombreggiatura e distorsione della vista. Inoltre, supporta un'ampia gamma di funzioni di perdita e metriche di valutazione, consentendo ai ricercatori di valutare facilmente i loro algoritmi di deep learning.

"Tipicamente, I ricercatori di deep learning 3D devono scrivere molto codice standard per i loro progetti di ricerca, " ha spiegato Jatavallabhula. "Con il caolino, però, i ricercatori devono solo implementare le parti nuove del loro progetto, poiché Kaolin confeziona un set completo di utilità per il caricamento dei dati, conversione e valutazione».

Kaolin è uno strumento prezioso sia per gli sviluppatori che hanno esperienza nello sviluppo di modelli di deep learning sia per coloro che sono appena agli inizi. All'interno della biblioteca, infatti, gli sviluppatori possono anche trovare diverse architetture all'avanguardia che possono utilizzare come punto di partenza o come fonte di ispirazione per i propri modelli.

"Mentre i ricercatori attivi di deep learning 3D vedono il caolino come un mezzo per accelerare la loro ricerca, i nuovi arrivati ​​in questo campo si rivolgono al caolino per avere un'idea di dove cominciare, " Ha detto Jatavallabhula.

Nel futuro, la libreria open source presentata da questi ricercatori di NVIDIA potrebbe aiutare ad accelerare la ricerca di deep learning in 3D, assistere gli sviluppatori nella creazione di nuove architetture AI, così come nella loro formazione e valutazione. Nel frattempo, Jatavallabhula ei suoi colleghi stanno pianificando di lavorare per estendere Kaolin e migliorare ulteriormente le sue capacità.

"Il nostro piano è di aggiungere più modelli di apprendimento profondo al nostro zoo di modelli (raccolta di modelli di intelligenza artificiale) ed espandere la nostra copertura a un set più ampio di applicazioni come auto a guida autonoma e agenti incarnati che necessitano di apprendimento 3D, " Jatavallabhula ha detto. "In breve, abbiamo in programma di rendere Kaolin una piattaforma completa per la ricerca di deep learning in 3D."

© 2019 Scienza X Rete