Естетиката е това, което се случва, когато мозъците ни взаимодействат със съдържанието и си казват „оо, хубаво, дай ми повече от това, моля“. Независимо дали е звездна нощ или Звездната нощ, звукът на живописен морски бряг или най-новия сингъл от Megan Thee Stallion, разбирането как сетивните преживявания, които ни блестят най-дълбоко, пораждат цял ​​клон на философията, изучаваща изкуството във всичките му форми, както и как е създадено , произведени и консумирани. Докато това, което представлява „добро” изкуство, варира между хората толкова, колкото и това, което представлява порно, оценяването на по-фините неща на живота е вътрешно човешко начинание (Съжалявам, Суда) — или поне беше така, докато не научихме и компютрите как да го правят.

Изучаването на компютърната естетика се стреми да определи количествено красотата, изразена в човешките творчески усилия, като по същество използва математически формули и алгоритми за машинно обучение, за да оцени конкретно парче въз основа на съществуващи критерии, достигайки (надявам се) до еквивалентно мнение на това на човек, извършващ същата проверка . Това поле беше основана в началото на 30-те години на миналия век когато американският математик Джордж Дейвид Биркоф създава своята теория на естетиката, M=O/C, където M е естетическата мярка (мисля, числов резултат), O е ред, а C е сложност. Съгласно този показател простите, подредени парчета ще бъдат класирани по-високо – т.е. ще бъдат по-естетически – от сложните и хаотични сцени.

Германският философ Макс Бенсе и френският инженер Ейбрахам Моулс и независимо, формализираха първоначалните работи на Биркоф в надежден научен метод за измерване на естетиката през 50-те години на миналия век. До 90-те години на миналия век беше основано Международното дружество за математическа и изчислителна естетика и през последните 30 години областта еволюира по-нататък, като се разпространи в AI и компютърна графика, с крайната цел за разработване на изчислителни системи, способни да оценяване на изкуството със същата обективност и чувствителност като хората, ако не и превъзходна чувствителност. Като такива, тези системи за компютърно зрение са намерили приложение за увеличаване на преценките на човешките оценители и автоматизиране на анализа на изображения, подобно на това, което виждаме в медицинската диагностика, както и класиране на видеоклипове и снимки, за да помогне на любители кепци подобряват занаята си.

Наскоро екип от изследователи от университета Корнел направи модерна изчислителна естетична система една стъпка напред, позволявайки на AI не само да определи най-приятната картина в даден набор от данни, но и да улови нови, оригинални — и най-важното, добри — изстрели самостоятелно. Те са го нарекли, AutoPhotoнеговото изследване беше представен миналата есен в Международна конференция за интелигентни роботи и системи. Този робот-фотограф се състои от три части: алгоритъм за оценка на изображението, който оценява представеното изображение и издава естетически резултат; а Clearpath Чакал робот на колела, върху който е прикрепена камерата; и самият алгоритъм AutoPhoto, който служи като вид фърмуер, превеждащ резултатите от процеса на класиране на изображението в команди за задвижване на физическия робот и ефективно автоматизирайки оптимизирания процес на заснемане на изображение.

За своя алгоритъм за оценка на изображението, екипът на Cornell, ръководен от студента от втора година магистри Хади АлЗайер, използва съществуващ научен модел за естетична оценка, който е бил обучен върху набор от данни от повече от милион снимки, класирани от хора. Самото AutoPhoto беше практически обучено върху десетки 3D изображения на сцени в интериора на стаята, за да забележи оптимално композиран ъгъл, преди екипът да го прикрепи към Чакала.

и
Това съдържание не е достъпно поради вашите предпочитания за поверителност. Когато се пусне на свобода в сграда в кампуса, както можете да видите във видеото по-горе, роботът започва с множество лоши снимки, но тъй като алгоритъмът AutoPhoto придобива своята позиция, изборът на снимки непрекъснато се подобрява, докато изображенията не съперничат с тези на местните Списъци на Zillow. Средно бяха необходими около дузина повторения за оптимизиране на всеки кадър и целият процес отнема само няколко минути.

„По същество можете да предприемете постепенни подобрения на текущите команди“, каза AlZayer пред Engadget. „Можете да го правите стъпка по стъпка, което означава, че можете да го формулирате като проблем с обучението за подсилване. По този начин алгоритъмът не трябва да отговаря на традиционните евристики като правилото на третините защото вече знае какво ще хареса на хората, тъй като е научено да съответства на външния вид и усещането на снимките, които прави, с най-високо класираните снимки от данните за обучението си, обясни АлЗайер.

„Най-предизвикателната част беше фактът, че няма съществуващ базов номер, който се опитвахме да подобрим“, отбеляза Алзайер пред Корнел прес. “Трябваше да дефинираме целия процес и проблема.”

Гледайки напред, AlZayer се надява да адаптира системата AutoPhoto за използване на открито, потенциално да замени наземния Jackal за UAV. „Симулирането на висококачествени реалистични сцени на открито е много трудно“, каза Алзайер, „само защото е по-трудно да се извърши реконструкция на контролирана сцена.“ За да заобиколят този проблем, той и неговият екип в момента проучват дали моделът AutoPhoto може да бъде обучен на видео или неподвижни изображения, а не на 3D сцени.

Източник: www.engadget.com

Публикациите се превеждат автоматично с google translate


Сподели