Realitas campuran mendapatkan peningkatan pembelajaran mesin
Spotlight

Realitas campuran mendapatkan peningkatan pembelajaran mesin


Gbr. 1 Sistem MR yang diusulkan: Integrasi segmentasi semantik ke dalam MR. Kredit: Universitas Osaka

Ilmuwan dari Divisi Energi Berkelanjutan dan Teknik Lingkungan di Universitas Osaka menggunakan kecerdasan buatan pembelajaran mendalam untuk meningkatkan pembuatan realitas campuran seluler. Mereka menemukan bahwa objek yang tersumbat yang dikenali oleh algoritme dapat dihapus secara dinamis menggunakan mesin video game. Pekerjaan ini dapat mengarah pada revolusi dalam arsitektur hijau dan revitalisasi kota.

Mixed reality (MR) adalah jenis augmentasi visual di mana gambar real-time dari objek atau lanskap yang ada dapat diubah secara digital. Sebagai siapa pun yang pernah memainkan Pokémon Go! atau game serupa tahu, melihat layar smartphone bisa terasa seperti keajaiban ketika karakter muncul di samping landmark nyata. Pendekatan ini juga dapat diterapkan untuk pekerjaan yang lebih serius, seperti memvisualisasikan seperti apa tampilan bangunan baru setelah struktur yang ada dihilangkan dan pepohonan ditambahkan. Namun, jenis penghapusan digital ini dianggap terlalu intensif secara komputasi untuk dihasilkan secara real time di perangkat seluler.

Sekarang, para peneliti di Universitas Osaka telah mendemonstrasikan sistem baru yang dapat membangun visualisasi lanskap MR lebih cepat dengan bantuan pembelajaran yang mendalam. Kuncinya adalah melatih algoritme dengan ribuan gambar berlabel sehingga dapat lebih cepat mengidentifikasi oklusi, seperti dinding dan pagar. Hal ini memungkinkan “segmentasi semantik” otomatis dari tampilan ke dalam elemen untuk disimpan dan lainnya untuk disamarkan. Program ini juga mengukur secara kuantitatif Green View Index (GVI), yang merupakan bagian dari area hijau termasuk tanaman dan pepohonan di bidang penglihatan seseorang, baik dalam tata letak saat ini maupun yang diusulkan. “Kami dapat menerapkan oklusi dinamis dan estimasi Indeks Tampilan Hijau dalam penampil realitas campuran kami,” kata penulis terkait Tomohiro Fukuda.

Realitas campuran mendapatkan peningkatan pembelajaran mesin

Gbr. 2 Visualisasi lanskap berbasis MR dengan penanganan oklusi dinamis dalam validasi lapangan. Kredit: Universitas Osaka

Video langsung dikirim ke server segmentasi semantik, dan hasilnya digunakan untuk membuat tampilan akhir dengan mesin game di perangkat seluler. Struktur dan tanaman hijau yang diusulkan dapat ditampilkan bahkan saat sudut pandang diubah. “Kecepatan dan latensi internet dievaluasi untuk memastikan rendering MR secara real-time,” penulis pertama Daiki Kido menjelaskan. Tim berharap penelitian ini dapat membantu para pemangku kepentingan memahami pentingnya GVI dalam perencanaan kota.

Realitas campuran mendapatkan peningkatan pembelajaran mesin

Gbr. 3 Simulasi penanaman dengan estimasi MR dan penghijauan. Kredit: Universitas Osaka



Informasi lebih lanjut:
Daiki Kido dkk. Menilai lanskap masa depan menggunakan realitas campuran yang disempurnakan dengan segmentasi semantik dengan pembelajaran mendalam, Teknik Informatika Lanjut (2021). DOI: 10.1016 / j.aei.2021.101281

Disediakan oleh Universitas Osaka

Kutipan: Mixed reality mendapatkan peningkatan pembelajaran mesin (2021, 24 Maret) diambil pada 24 Maret 2021 dari https://techxplore.com/news/2021-03-reality-machine.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Pengeluaran SGP Hari Ini