Минула битва · 2024-02-05 UTC
Computer Vision Протистояння — 5 лютого 2024 р.
З категорії Computer Vision. 27 позначок поставлено серед 8 бійців. Trickle здобув корону.
Підсумкові результати
Учасники
Бійці
Профілі кожного інструмента, який змагався в цій битві, ранжовані за підсумковим балом.
Trickle — це платформа, що дозволяє створювати веб‑застосунки, сайти і AI‑агенти за допомогою простих текстових запитів. Вона перетворює ідеї користувачів у живі додатки та веб‑сайти з використанням штучного інтелекту. Платформа орієнтована на людей, які хочуть розробляти веб‑застосунки без глибоких знань програмування. Інтерфейс простий у використанні: вводьте природну мову, і система генерує застосунок. Також є спільнота проектів, шаблони, блог і журнал змін. Деталі робочого процесу, інтеграцій і обмежень не надаються.
Розподіл критеріїв
- Генерація застосунків за природною мовою
- Конструктор AI‑агентів
- Візуальний редактор для уточнень
- Публікація та хостинг одним кліком
- Шаблони для поширених сценаріїв
- Інтеграції з зовнішніми даними та API
DeepFace AI
Пythonська рамкова основа для розпізнавання обличчя та аналіз властивостей з підтримкою декількох передових моделей.
DeepFace AI — це Python‑фреймворк, призначений для розпізнавання облич та аналізу їхніх атрибутів. Він підтримує кілька найсучасніших моделей, дозволяючи розробникам використовувати переваги різних архітектур для їх конкретних випадків використання. Фреймворк призначений для розробників та дослідників, яким потрібно аналізувати атрибути обличчя, такі як вік, стать та емоції, або виконувати завдання верифікації та ідентифікації обличчя. Завдяки уніфікованому інтерфейсу до декількох моделей, DeepFace AI спрощує процес інтеграції можливостей аналізу обличчя в додатки. Можливості DeepFace AI включають виявлення облич, їх вирівнювання та представлення, а також аналіз атрибутів і розпізнавання облич. Його можна використовувати в різноманітних додатках, включаючи безпеку, відеоспостереження та аналіз соціальних мереж. Підтримка фреймворком кількох моделей дозволяє розробникам обирати найкращу модель для конкретного завдання, враховуючи такі фактори, як точність, швидкість та обчислювальні ресурси. Однією з найважливіших можливостей DeepFace AI є підтримка широкого спектру моделей, включаючи згорткові нейронні мережі (CNN) та інші архітектури глибокого навчання. Це дозволяє розробникам експериментувати з різними моделями та вибирати ту, яка найкраще відповідає їхнім потребам. Крім того, фреймворк надає простий та інтуїтивний API, що полегшує інтеграцію можливостей аналізу облич у додатки. В цілому DeepFace AI — це потужний інструмент для розпізнавання облич та аналізу атрибутів, який пропонує гнучке та масштабоване рішення для розробників і дослідників. Однак його ефективність залежить від якості вхідних даних і обраної моделі, і для масштабних застосувань може знадобитися значна обчислювальна потужність.
Розподіл критеріїв
- Аналіз зовнішніх ознак обличчя
- Підтримка декілької моделей
- Реальна часове розпізнавання обличчя
- Pythonська API для легшої інтеграції
- Платформова зcompatibiility
Segment Anything Model (SAM)
Базова модель Meta AI для сегментації зображень за запитом у будь‑якому об’єкті чи сцені.
Segment Anything Model (SAM) – це відкритий система сегментації зображень, розроблена Meta AI Research. За наявності зображення й простого prompt‑у, наприклад точки, прямокутника або грубої маски, вона створює маски високої якості для практично будь‑якого об’єкта, не потребуючи спеціального навчання. SAM був натренований на наборі даних SA‑1B, що містить понад мільярд масок у 11 мільйонів зображень, що забезпечує потужну zero‑shot генералізацію. Модель можна інтегрувати у пайплайни комп’ютерного зору для задач як аннотація, редагування зображень, медична візуалізація, робототехніка, AR/VR та науковий аналіз. Модель й набір даних випущені з відкритим ліцензійним режимом, що робить SAM загальним базовим блоком для дослідників та розробників, які потребують гнучкої сегментації без тренування власної моделі з нуля.
Розподіл критеріїв
- Сегментація за запитом з використанням точок та прямокутників
- Автоматичне генерування масок для всіх зображень
- Попередньо натренований енкодер зображень на базі ViT
- Zero-shot перенесення до нових доменів
- Код відкритий і набір даних SA‑1B відкритий
- Інтегрується з PyTorch та поширеними стеками комп’ютерного зору
Autoware
Відкритий безоплатний платформ для будівництва автономних системи управління рухом
Autoware є відкритим джерелом автономного управління автомобілями програмного забезпечення стека, розробленого з метою створення самої їзди автомобілів для широкого спектру застосувань, починаючи від пасажирських автомобілів та мікроавтобусів до промислових вантажівок. Зібраний на базі ROS, він пропонує модулі для розпізнавання навколишнього середовища, локалізацію, програмування та управління, надając розробникам повний фундамент для досліджень та виконання автономного контролю. Підтримуваний Авотерською Фондом та підтриманий глобальною спільнотою розробників, платформа використовується університетами, стартапами та встановленими автомобільними підприємствами. Її модульна архітектура дозволяє командам заміняти компоненти, інтегрувати власні датчики та адаптувати стопку для конкретних оперативних доменів проєктування. З огляду на те, що це повністю відкритий код, Autoware знижує бар'єр для входу в розвиток самоспалюючих автомобілів та сприяє прозорому співробітництву над критичним щодо безпеки програмним забезпеченням.
Розподіл критеріїв
- Перехват зображень зі сканером LiDAR, камерою та радаром
- Локалізація та підтримка HD-мап
- Модулі місійного та рухового планування
- Інтерфейси управління транспортними засобами
- Навігаційні інструменти та програми тестування
- Діючість зі стеком ROS 2
YOLO (You Only Look Once)
Реальний час виявлення об’єктів, що ідентифікує кілька об’єктів за один проход через зображення.
YOLO (Тільки один раз дивися) є сім'єю алгоритмів виявлення об/ектів, запроєктованих для швидкості та ефективності. У порівнянні з традиційними системами виявлення, які застосовують modèle до зображення кілька місць і масштабів, YOLO розглядає виявлення як єдину проблему регресії, передбачаючи області обмежень та ймовірності класів за однією операцією вперед через нейронну мережу. Така архітектура робить YOLO особливо придатною для реального часу застосування, наприклад, аналіз відео, самоналагоджувальні засоби транспорту, робототехніку, спостереження та розширення реальності. Провідні версії (YOLOv3, v5, v7, v8 тощо) покращили точність, розширили підтримку завдань до розрізування та оцінки положення, і зберегли репутацію рамки швидкої інференції. YOLO є дуже популярним серед науковців і розробників з огляду на його відкритий код, активну спільноту та рівноважність між точністю визначення та швидкістю обробки на Обійових процесорах та при периферійному пристрої.
Розподіл критеріїв
- Однопрохідне виявлення об’єктів у реальному часі
- Прогнозування межових коробок та ймовірностей класу
- Підтримка виявлення, сегментації та оцінки поз
- Попередньо навчені моделі на типових датасетах, таких як COCO
- Можливість розгортання на GPU, CPU та крайових пристроях
- Налаштовуване навчання на власних датасетах
EtechStars
Компанія з автономним керуванням транспортними засобами, яку керує AI, переосмислює майбутнє транспортування.
ЕtechStars – компанія зі створення безпілотних автомобілів, яка використовує артифікацію для розробки автономних засобів транспорту, щоб зробити транспортування безпекише, ефективніше та доступніше. У компанії об'єднано технології машинного навчання, комп'ютерного бачення та фузії сенсору для дійсного відтворення навколишнього вигляду автомобілі та прийняття рішення щодо керування в реальному часі. Заслуговуючи увагу як мобільності особистого призначення, так і комерційних транспортних засобів, EtechStars встановлює себе в більш широкому напрямку зменшення випадків несприятливих для людини подій, полегнення дорожнього затору і зниження витрат на транспортну діяльність. Його діяльність охоплює програми керування самостійним рухом автотранспортних засобів, інтеграцію засобів автотранспортних засобів та інфраструктуру даних, що потрібні для тренування та валідації систем самостійного руху.
Розподіл критеріїв
- Безпечні системи автономного управління
- Комп'ютерне бачення та злиття датчиків
- Реальні рішення про керування у реальному часі
- Інтеграція автономних транспортних засобів
- Навколо безпеки та ефективності транспортування
- Керовані розробки з повної автономії розпізнавання
PrompTale AI
Платформа AI для розповіді, що перетворює оповідання в комерційний контент із підтвердженням власності на базі блокчейну.
PrompTale AI — це платформа створення контенту, яка допомагає письменникам, маркетологам та творцям перетворювати примітивні ідеї історії на добре виконані комерційно діючі роботи. Вона поєднує генеративні АІ для виконання і вдосконалення сюжетів з інфраструктурою блокчейн для реєстрації авторства та захисту інтелектуальної власності. Платформа спрямована на користувачів, які хочуть monetize свій творчий вихід, надаючи інструменти для спільного створення вмісту, упаковки вмісту та управління правами. Відчепивши розповіді у блокчейні, учасники можуть перевірити походження та досліджувати нові моделі розподілу та прибутковості, пов'язані зі своїм творінням.
Розподіл критеріїв
- Генерація та редагування оповідань з підтримкою AI
- Реєстрація контенту на базі блокчейну
- Інструменти для пакування контенту під комерційну експлуатацію
- Перевірка авторства та інтелектуальної власності
- Впроваджений робочий процес та співпраця, орієнтовані на творців
- Опції токенізованого розповсюдження
AI Robotics Drones
Автономні дрони зі штучним інтелектом для спостереження, перевірки та реального часу моніторингу.
AI Роботичні Дроны поєднує відеорозрізнення, навчальне навчання та системи автономного польоту, щоб забезпечити розумні повітряні платформи для комерційних та промислових використання. Дроны можуть навігацію складних середовищ, ідентифікувати об'єкти зацікавлені та відштовхують діяти розумні дані без постійного людського управління. Характерні застосування включають охорону периметра, інфраструктурний контроль, моніторинг сільськогосподарських галузей та пошуково-рятувальні операції. На бортовому AI процесуванні відбувається обробка зображень у реальному часі, видається сигнал попередження щодо аномалій, здійснюється відстеження цілей та створення звітів, які інтегруються із існуючими інтерфейсами управління операційними панелями. Діяльність призначена для команд, які потребують шкали повітряної інтелектів, платформа підтримує планування місій, автоматичні патрульні рейси та віддалене спостереження за декількома одиницями.
Розподіл критеріїв
- Автономна навігація та уникнення перешкод
- Диявінання об'єктів за допомогою комп'ютерного бачення
- Автоматичний рейс та слідування інспектуються маршрути
- Реальне відео потоку та аналіз
- Управління флотом з декількох дронів
- Диявінання аномалій та повідомлення