தோஷிபா கார்ப்பரேஷன் ஒரு 3D அங்கீகாரத்துடன் ஒரு AI ஐ உருவாக்கியுள்ளது, இது ஒரு ஸ்டீரியோ கேமராவின் துல்லியத்துடன் தூரத்தை அளவிடக்கூடியது, வணிக கேமராவுடன் எடுக்கப்பட்ட படத்தைப் பயன்படுத்துவதன் மூலமும், ஆழ்ந்த கற்றலைப் பயன்படுத்தி கேமரா லென்ஸால் ஏற்படும் பட மங்கலை பகுப்பாய்வு செய்வதன் மூலமும். இந்த தொழில்நுட்பம் ஸ்டீரியோ கேமராக்களின் பயன்பாட்டை அகற்றும், இது இறுதியில் செலவு மற்றும் இடத்தை குறைக்கிறது. 2019 அக்டோபர் 30 ஆம் தேதி காலை 10 மணி முதல் தென் கொரியாவில் நடைபெறவிருக்கும் கணினி பார்வை குறித்த சர்வதேச மாநாட்டில் (ஐ.சி.சி.வி.2019) தோஷிபா இந்த சாதனையை வழங்கவுள்ளார்.
பட உணர்தல் மிகவும் முக்கியமானது மற்றும் ரோபோக்கள் நகரும் பொருள்கள், தன்னாட்சி ஆளில்லா வாகனங்கள், உள்கட்டமைப்பை ஆய்வு செய்யும் ரிமோட் கண்ட்ரோல் ட்ரோன்கள் போன்ற பயன்பாடுகளுக்கு பாடங்களின் படங்களை விட அதிகமாக தேவைப்படுகிறது, வடிவம் மற்றும் தூரத்தை சேர்க்க 3D தரவை பகுப்பாய்வு செய்ய அவர்களுக்கு ஒரு சிறிய சாதனம் தேவை. ஆகவே, உருவகப்படுத்தப்பட்ட பொருளின் வடிவம், பின்னணி மற்றும் பிற இயற்கைக்காட்சி தரவுகளை நன்கு கற்றுக்கொள்வதற்கு ஆழ்ந்த கற்றலைப் பயன்படுத்துவதன் மூலம் மோனோகுலர் கேமராக்கள் மூலம் அளவிடும் தொழில்நுட்பத்தை உருவாக்க ஆராய்ச்சிகள் அதிகரிக்கப்பட்டுள்ளன (அவை மினியேச்சர் செய்வது எளிது).
இந்த முறை ஒரு குறைபாட்டைக் கொண்டுள்ளது; கற்ற இயற்கைக்காட்சி தரவைப் பொறுத்து ஒரு மோனோகுலர் கேமராவின் உதவியுடன் தூரத்தின் துல்லியம் மதிப்பிடப்படுகிறது, இது வெவ்வேறு நிலப்பரப்புகளில் எடுக்கப்பட்ட காட்சிகளின் காரணமாக துல்லியம் வீழ்ச்சியை ஏற்படுத்துகிறது. இதைக் கடக்க தோஷிபா வண்ண வடிகட்டப்பட்ட துளை புகைப்படத்தை உருவாக்கியுள்ளது, இதில் இரண்டு வண்ண வடிகட்டி லென்ஸுடன் இணைக்கப்பட்டுள்ளது மற்றும் அதன் விளைவாக வரும் பட மங்கலின் நிறம் மற்றும் அளவு பொருளின் தூரத்திற்கு ஏற்ப பகுப்பாய்வு செய்யப்படுகிறது. இது தரவு சார்பு சிக்கலை தீர்க்கிறது என்றாலும், இருக்கும் லென்ஸ்களை மாற்ற நேரமும் பணமும் செலவாகும்.
ஒரு ஸ்டீரியோ கேமரா அமைப்பின் அதே உயர் துல்லியத்துடன் தூர அளவீட்டை அடைவதற்காக, லென்ஸில் அதன் நிலைக்கு ஏற்ப படம் எவ்வாறு மங்கலாகிறது என்பதை பகுப்பாய்வு செய்ய ஆழ்ந்த கற்றலைப் பயன்படுத்தும் 3D அங்கீகார தொழில்நுட்பத்துடன் AI ஐ உருவாக்குவதன் மூலம் தோஷிபா இந்த சிக்கலை சமாளித்துள்ளது., ஒரு சாதாரண மோனோகுலர் கேமரா மூலம் ஆனால் இயற்கைக்காட்சி தரவு தேவையில்லை. இப்போது வரை, மங்கலான வடிவத்தின் அடிப்படையில் தூரத்தை அளவிடுவது கோட்பாட்டளவில் சாத்தியமற்றதாகக் கருதப்பட்டது, இது மையப் புள்ளியிலிருந்து சமமாக இருக்கும்போது தூரமும் தூரமும் கொண்ட பொருள்களுக்கு ஒரே மாதிரியானது. ஆனால், பகுப்பாய்வு முடிவுகள் மங்கலான வடிவங்களுக்கு அருகிலுள்ள மற்றும் தொலைதூர பொருள்களுக்கு இடையே கணிசமான வேறுபாட்டைக் காட்டியுள்ளன, அவை கூட மைய புள்ளியிலிருந்து சமமானவை. ஆழமான நரம்பியல் நெட்வொர்க் மாதிரியுடன் பயிற்சியளிக்கப்பட்ட ஆழமான கற்றல் தொகுதி மூலம் கைப்பற்றப்பட்ட படங்களிலிருந்து மங்கலான தரவை தோஷிபா வெற்றிகரமாக பகுப்பாய்வு செய்தார்.
ஒளி லென்ஸின் வழியாக செல்லும் போது உருவாக்கப்பட்ட மங்கலின் வடிவம் ஒளியின் அலைநீளம் மற்றும் லென்ஸில் அதன் நிலையைப் பொறுத்து மாறுகிறது. வளர்ந்த நெட்வொர்க்கில், மங்கலான வடிவத்தில் ஏற்படும் மாற்றங்களை சரியாக உணர நிலை மற்றும் வண்ணம் தனித்தனியாக செயலாக்கப்படுகின்றன, பின்னர், ஒரு எடையுள்ள கவனத்தை ஈர்க்கும் பொறிமுறையை கடந்து சென்றபின், தூரத்தை சரியாக அளவிடுவதற்காக பிரகாச சாய்வு எங்கு கவனம் செலுத்த வேண்டும் என்பதைக் கட்டுப்படுத்துகிறது. கற்றல் மூலம், அளவிடப்பட்ட தூரம் மற்றும் உண்மையான தூரத்திற்கு இடையிலான பிழையைக் குறைக்க பிணையம் புதுப்பிக்கப்படுகிறது. இந்த AI தொகுதியைப் பயன்படுத்தி, வணிக ரீதியாக கிடைக்கக்கூடிய கேமராவுடன் கைப்பற்றப்பட்ட ஒரு படம் ஸ்டீரியோ கேமராக்களுடன் பாதுகாக்கப்பட்ட அதே தூர அளவீட்டு துல்லியத்தை உணர்கிறது என்பதை தோஷிபா உறுதிப்படுத்தியுள்ளார். தோஷிபாவின் இந்த அதிகாரப்பூர்வ பக்கத்தில் கூடுதல் தகவல்களைக் காணலாம்.
தோஷிபா வணிக ரீதியாக கிடைக்கக்கூடிய கேமராக்கள் மற்றும் லென்ஸ்கள் மூலம் கணினியின் பல்திறமையை உறுதிசெய்து, பட செயலாக்கத்தை விரைவுபடுத்துகிறது, இது 2020 நிதியாண்டில் பொது செயல்படுத்தலை நோக்கமாகக் கொண்டுள்ளது.