Google AI learns important Stuff

Gepostet vor 11 Monaten, 1 Tag in #Tech #AI #AlgoCulture

Share: Twitter Facebook Mail

bask

Neues Paper von Google AI, deren Bilderkennung jetzt zwischen wichtigen und unwichtigen Inhalten in Videos unterscheiden kann. Vor zwei Monaten reichte es noch „nur“ für auflistende Bildbeschreibungen, jetzt weiß das Teil dank einer „Aufmerksamkeitsmaske“, welche Gegenstände oder Akteure am bedeutendsten sind. Der Algorithmus benötigt allerdings eine Videoquelle, um die Wichtigkeit aus einer Timeline zu berechnen, mit Fotos funktioniert das (noch) nicht. Natürlich ideal für die Überwachung von öffentlichen Plätzen und sowas. PDF: Detecting events and key actors in multi-person videos.

Multi-person event recognition is a challenging task, often with many people active in the scene but only a small subset contributing to an actual event. In this paper, we propose a model which learns to detect events in such videos while automatically “attending” to the people responsible for the event. Our model does not use explicit annotations regarding who or where those people are during training and testing. In particular, we track people in videos and use a recurrent neural network (RNN) to represent the track features. We learn time-varying attention weights to combine these features at each time-instant. The attended features are then processed using another RNN for event detection/classification.

Since most video datasets with multiple people are restricted to a small number of videos, we also collected a new basketball dataset comprising 257 basketball games with 14K event annotations corresponding to 11 event classes. Our model outperforms state-of-the-art methods for both event classification and detection on this new dataset. Additionally, we show that the attention mechanism is able to consistently localize the relevant players.

Neural Network sorts Skate Decks

David De Vigne hat ein Neural Network auf seine Sammlung von Skatedecks trainiert und hat sie damit nach visuellen Merkmalen…

How Computer Vision Is Finally Taking Off

Nat and Friends: „Computer vision is fascinating to me because a) it sounds intriguing and b) it’s a part of…

Deep Dreaming an Art Archive

Tolle Installation des türkischen Künstlers Refik Anadol, der eine künstliche Intelligenz und ihr Machine Learning auf das Archiv des SALT…

Neulich in Darmstadt: Das Geile Neue Internet – Potential of (visible) Infinite Idea Space

[update] Hier ein Livestream auf Facebook. Hier der Vortrag auf Youtube. Wer einem sehr nervösen Typen auf einer Bühne beim…

Smile-Filtering a Face until there is no Face left to smile-filter

Gene Kogan: „just in case you were wondering, this is what happens when you repeatedly run FaceApp’s smile filter until…

Neural Network dreams your Dreams

Wissenschaftler können bereits seit Jahren Bilder aus Gehirnscans extrahieren, also: Tatsächlich ein Abbild davon schaffen, was wir sehen. Die Resultate…

Neural Network dreams of riding a Train

Tolle Arbeit von Damien Henry: Ein Neural Network, ein sogenannter „prediction algorithm“, der Frames eines Videos „errät“, ausgehend vom jeweils…

4 AI-Obamas learn Algo-Lipsynch from Audio

Seit ich über die neuen Möglichkeiten von Machine Learning bezüglich Computer Vision und der Generation von Bildern schreibe, vor allem…

Daddy Cthulhu Cumshot: Weird Algo-Poetry from repetitive Cut'n'Paste-Autocomplete

Das LanguageLog hat die „psychedellic“ AI-„Dreaming of“-Technik auf Google Translate angewandt und dort regelmäßige Sprach/Zeichen-Muster („Iä! Iä! Iä! Iä! Iä!…

Neural Networks for Character Control

Daniel Holden, Taku Komura und Jun Saito haben ein Neural Network auf Character-Animationen trainiert, mit dem Figuren in Games und…

Predictive Policing for Banksters

Schönes Ding von Sam Lavigne, Predictive Policing für Wirtschaftskriminalität im Finanzsektor, 'ne Robocop-App für Bankster. White Collar Crime Risk Zones…