القائمة الرئيسية

الصفحات

أطلقت قوقل TensorFlow 3D باستخدام مستشعرات LiDAR لتجارب الواقع المعزز المتقدمة

أطلقت قوقل TensorFlow 3D باستخدام مستشعرات LiDAR  لتجارب الواقع المعزز المتقدمة



أعادت شركة سامسونج إحياء مستشعر  time-of-flight من خلال هواتف Galaxy Note 10 و Galaxy S10 5G ، على الرغم من أنها تخلت عن المستشعر في طرازات الجيل الحالي. تم تقديم عرضًا موجزًا عن طريق Project Soli في  Google Pixel 4. ومؤخرًا ، قامت ابل بتطبيق مستشعرات LiDAR في تشكيلة هواتفها iPhone 12 Pro و iPad Pro بعد تطويرها بكاميرا TrueDepth الأمامية التي بشرت بعصر The Notch.

الآن ، قام فريق بحث الذكاء الاصطناعي في في شركة قوقل بتوفير مجموعة من الأدوات للمطورين للاستفادة من البيانات ثلاثية الأبعاد التي تقوم بأنتاجها هذه المستشعرات.


هذا الأسبوع ، تم اضافة Google TensorFlow 3D (TF 3D) ، وهي مكتبة لنماذج التعلم العميق لتقنية ثلاثية الأبعاد ، بما في ذلك التجزئة الدلالية ثلاثية الأبعاد ، واكتشاف الكائنات ثلاثية الأبعاد ، وتجزئة الاشياء ثلاثية الأبعاد ، إلى مستودع TensorFlow لاستخدامها في السيارات والروبوتات المستقلة ، وكذلك من أجل تجارب الواقع المعزز للأجهزة المحمولة مع فهم عميق ثلاثي الأبعاد.

gadgethacks.com


"بدأ مجال رؤية الكمبيوتر مؤخرًا في احداث تقدم جيد في فهم المشهد ثلاثي الأبعاد ، بما في ذلك نماذج الكشف عن الكائنات ثلاثية الأبعاد ، واكتشاف الكائنات الشفافة ، والمزيد ، ولكن قد يكون الدخول إلى وسط الامر والتعمق به أمرًا صعبًا بسبب محدودية الأدوات والموارد , و قال علي رضا فتحي (عالم أبحاث) و AI Rui Huang (مقيم في منظمة العفو الدولية في Google Research) في منشور رسمي على المدونة "على البيانات ثلاثية الأبعاد". 

"توفر TF 3D مجموعة من العمليات الشائعة ، وأدوات معالجة البيانات ، والنماذج ، والمقاييس التي تمكن مجتمع البحث التوسع في تطوير وتدريب ونشر أحدث نماذج فهم المشاهد ثلاثية الأبعاد."


كما انه يمكّن نموذج التقسيم الدلالي ثلاثي الأبعاد (Semantic Segmentation model)التطبيقات من التمييز بين كائن أو كائنات في المقدمة وخلفية المشهد ، كما هو الحال مع الخلفيات الافتراضية في Zoom. قامت قوقل بتطبيق تقنية مماثلة مع خلفيات فيديو افتراضية لموقع اليوتيوب.


على النقيض من ذلك ، يحدد نموذج تجزئة المثيل ثلاثي الأبعاد مجموعة من الكائنات ككائنات فردية ، كما هو الحال مع عدسات تطبيق سناب شات التي يمكنها وضع أقنعة افتراضية على أكثر من شخص في عرض الكاميرا.


أخيرًا ، يأخذ نموذج 3D Object Detection عملية التجزئة خطوة إلى الأمام من خلال تصنيف الكائنات المعروضة أيضًا. مكتبة TF 3D متاحة عبر GitHub.


في حين تم إثبات هذه القدرات باستخدام كاميرات الهواتف الذكية القياسية ، فإن توفر بيانات العمق من LiDAR وأجهزة استشعار وقت الرحلة الأخرى يفتح إمكانيات جديدة لتجارب AR المتقدمة.


حتى بدون وجود مستودع ثلاثي الأبعاد ، فقد ساهم TensorFlow في بعض تجارب الواقع المعزز الرائعة. استفادت Wannaby من TensorFlow لأداة تجريب طلاء الأظافر الخاصة بها ، كما أنها ساعدت Capital One بميزة تطبيق الهاتف المحمول التي يمكنها تحديد السيارات وتراكب المعلومات عنها في الواقع المعزز. في الفئة الأكثر غرابة ووحشية ، استخدم مطور مستقل TensorFlow لتحويل قطعة ورق ملفوفة إلى سيف ضوئي باستخدام InstaSaber.

في السنوات الأخيرة ، استفادت قوقل من التعلم الآلي من خلال TensorFlow لأغراض أخرى للواقع المعزز أيضًا. في عام 2017 ، أصدرت الشركة مستودع MobileNets الخاص بها لاكتشاف الصور على غرار Google Lens. و TensorFlow هي أيضًا التكنولوجيا الكامنة وراء واجهة برمجة التطبيقات Augmented Faces API (التي تعمل أيضًا على نظام iOS) والتي توفر فلاتر صور شخصية تشبه Snapchat لتطبيقات الهاتف المحمول الأخرى.


كما أنها ليست المرة الأولى التي تستفيد فيها قوقل من بيانات مستشعر العمق لتجارب الواقع المعزز. بينما يتيح Depth API لـ ARCore إمكانية الانسداد ، والقدرة على ظهور المحتوى الافتراضي أمام وخلف كائنات العالم الحقيقي ، لتطبيقات الأجهزة المحمولة عبر كاميرات الهواتف الذكية القياسية ، تعمل التكنولوجيا بشكل أفضل مع مستشعرات العمق.


أثبت التعلم الآلي أنه لا غنى عنه في إنشاء تجارب AR متقدمة. استنادًا إلى تركيزها على أبحاث الذكاء الاصطناعي وحدها ، تلعب قوقل دورًا مهمًا في مستقبل AR مثل Apple و Facebook و Snap و Microsoft.

المصدر

هل اعجبك الموضوع :

تعليقات