ପାନାସୋନିକ୍ ଦୁଇଟି ଉନ୍ନତ AI ଟେକ୍ନୋଲୋଜି ବିକଶିତ କରେ,
CVPR2021 କୁ ଗ୍ରହଣ କରାଯାଇଛି,
ବିଶ୍ୱର ଅଗ୍ରଣୀ ଆନ୍ତର୍ଜାତୀୟ AI ଟେକ୍ନୋଲୋଜି ସମ୍ମିଳନୀ |

[1] ହୋମ୍ ଆକ୍ସନ୍ ଜେନୋମ୍: କଣ୍ଟ୍ରାସ୍ଟିଭ୍ ରଚନାତ୍ମକ କାର୍ଯ୍ୟ ବୁ standing ାମଣା |

ଆମେ ଘୋଷଣା କରି ଖୁସି ଯେ ଆମେ ଏକ ନୂତନ ଡାଟାସେଟ “ହୋମ ଆକ୍ସନ ଜେନୋମ” ବିକଶିତ କରିଛୁ ଯାହା କ୍ୟାମେରା, ମାଇକ୍ରୋଫୋନ୍ ଏବଂ ଥର୍ମାଲ୍ ସେନ୍ସର ସହିତ ବିଭିନ୍ନ ପ୍ରକାରର ସେନ୍ସର ବ୍ୟବହାର କରି ସେମାନଙ୍କ ଘରେ ମାନବଙ୍କ ଦ daily ନନ୍ଦିନ କାର୍ଯ୍ୟକଳାପ ସଂଗ୍ରହ କରିଥାଏ | ଜୀବନ୍ତ ସ୍ଥାନ ପାଇଁ ଆମେ ବିଶ୍ largest ର ସର୍ବ ବୃହତ ମଲ୍ଟିମୋଡାଲ୍ ଡାଟାସେଟ୍ ନିର୍ମାଣ ଏବଂ ମୁକ୍ତ କରିଥିବାବେଳେ ଜୀବନ୍ତ ସ୍ଥାନଗୁଡିକ ପାଇଁ ଅଧିକାଂଶ ଡାଟାବେସ୍ ସ୍କେଲରେ ଛୋଟ | ଏହି ଡାଟାସେଟ୍କୁ ପ୍ରୟୋଗ କରି, AI ଅନୁସନ୍ଧାନକାରୀମାନେ ଏହାକୁ ମେସିନ୍ ଲର୍ନିଂ ଏବଂ AI ଅନୁସନ୍ଧାନ ପାଇଁ ତାଲିମ ତଥ୍ୟ ଭାବରେ ବ୍ୟବହାର କରିପାରିବେ ଯାହାକି ବାସସ୍ଥାନରେ ଥିବା ଲୋକଙ୍କୁ ସାହାଯ୍ୟ କରିବ |

ଉପରୋକ୍ତ ବିଷୟଗୁଡିକ ସହିତ, ମଲ୍ଟିମୋଡାଲ୍ ଏବଂ ଏକାଧିକ ଦୃଷ୍ଟିକୋଣରେ ହାଇରାର୍କିକାଲ୍ କାର୍ଯ୍ୟକଳାପ ସ୍ୱୀକୃତି ପାଇଁ ଆମେ ଏକ ସହଯୋଗୀ ଶିକ୍ଷଣ ପ୍ରଯୁକ୍ତିକୁ ବିକଶିତ କରିଛୁ | ଏହି ଟେକ୍ନୋଲୋଜିକୁ ପ୍ରୟୋଗ କରି, ଆମେ ବିଭିନ୍ନ ଦୃଷ୍ଟିକୋଣ, ସେନ୍ସର, ହାଇରାର୍କିକାଲ୍ ଆଚରଣ, ଏବଂ ବିସ୍ତୃତ ଆଚରଣ ଲେବଲ୍ ମଧ୍ୟରେ ସ୍ଥିର ବ features ଶିଷ୍ଟ୍ୟଗୁଡିକ ଶିଖିପାରିବା, ଏବଂ ଏହିପରି ଜୀବନ୍ତ ସ୍ଥାନରେ ଜଟିଳ କାର୍ଯ୍ୟକଳାପର ସ୍ୱୀକୃତି କାର୍ଯ୍ୟଦକ୍ଷତାକୁ ଉନ୍ନତ କରିପାରିବା |
ଏହି ଟେକ୍ନୋଲୋଜି ହେଉଛି ଡିଜିଟାଲ୍ ଏଇ ଟେକ୍ନୋଲୋଜି ସେଣ୍ଟର, ଟେକ୍ନୋଲୋଜି ଡିଭିଜନ୍ ଏବଂ ଷ୍ଟାନଫୋର୍ଡ ୟୁନିଭରସିଟିର ଷ୍ଟାନଫୋର୍ଡ ଭିଜନ ଏବଂ ଲର୍ନିଂ ଲ୍ୟାବ ମଧ୍ୟରେ ମିଳିତ ସହଯୋଗରେ କରାଯାଇଥିବା ଅନୁସନ୍ଧାନର ଫଳାଫଳ |

ଚିତ୍ର 1: ସମବାୟ ରଚନାତ୍ମକ କାର୍ଯ୍ୟ ବୁ standing ାମଣା (CCAU) ମିଳିତ ଭାବରେ ସମସ୍ତ ମୋଡାଲିଟିକୁ ତାଲିମ ଦେବା ଆମକୁ ଉନ୍ନତ କାର୍ଯ୍ୟଦକ୍ଷତା ଦେଖିବା ପାଇଁ ଅନୁମତି ଦିଏ |
ଉଭୟ ଭିଡିଓ ସ୍ତରୀୟ ଏବଂ ପରମାଣୁ କ୍ରିୟା ଲେବଲ୍ ବ୍ୟବହାର କରି ଆମେ ଉଭୟ ଭିଡିଓ ଏବଂ ପରମାଣୁ କ୍ରିୟାକୁ ଉଭୟଙ୍କ ମଧ୍ୟରେ ରଚନାତ୍ମକ ପାରସ୍ପରିକ କାର୍ଯ୍ୟକଳାପରୁ ଲାଭ ପାଇବାକୁ ଅନୁମତି ଦେବା ପାଇଁ ତାଲିମ ବ୍ୟବହାର କରୁ |

[2] ଅଟୋଡୋ: ମାପନୀୟ ପ୍ରବାବିଲିଷ୍ଟିକ୍ ଇମ୍ପ୍ଲାଇଟ୍ ଭିନ୍ନତା ମାଧ୍ୟମରେ ଲେବଲ୍ ଶବ୍ଦ ସହିତ ଦ୍ୱିପାକ୍ଷିକ ତଥ୍ୟ ପାଇଁ ଦୃ ust ଅଟୋ ଆଗମେଣ୍ଟ |

ଆମେ ଏହା ମଧ୍ୟ ଆନନ୍ଦିତ ଯେ ଆମେ ଏକ ନୂତନ ମେସିନ୍ ଲର୍ନିଂ ଟେକ୍ନୋଲୋଜି ବିକଶିତ କରିଛୁ ଯାହା ତାଲିମ ତଥ୍ୟ ବଣ୍ଟନ ଅନୁଯାୟୀ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ଉତ୍କୃଷ୍ଟ ଡାଟା ବୃଦ୍ଧି କରିଥାଏ | ଏହି ଟେକ୍ନୋଲୋଜି ବାସ୍ତବ ଦୁନିଆ ପରିସ୍ଥିତିରେ ପ୍ରୟୋଗ ହୋଇପାରିବ, ଯେଉଁଠାରେ ଉପଲବ୍ଧ ତଥ୍ୟ ବହୁତ ଛୋଟ ଅଟେ | ଆମର ମୁଖ୍ୟ ବ୍ୟବସାୟ କ୍ଷେତ୍ରରେ ଅନେକ ମାମଲା ଅଛି, ଯେଉଁଠାରେ ଉପଲବ୍ଧ ତଥ୍ୟର ସୀମିତତା ହେତୁ AI ଟେକ୍ନୋଲୋଜି ପ୍ରୟୋଗ କରିବା କଷ୍ଟକର | ଏହି ଟେକ୍ନୋଲୋଜିକୁ ପ୍ରୟୋଗ କରି, ଡାଟା ବୃଦ୍ଧି ପାରାମିଟରଗୁଡିକର ଟ୍ୟୁନିଂ ପ୍ରକ୍ରିୟା ଦୂର ହୋଇପାରିବ ଏବଂ ପାରାମିଟରଗୁଡିକ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ଆଡଜଷ୍ଟ ହୋଇପାରିବ | ତେଣୁ, ଆଶା କରାଯାଇପାରେ ଯେ AI ଟେକ୍ନୋଲୋଜିର ପ୍ରୟୋଗ ପରିସର ଅଧିକ ବିସ୍ତାର ହୋଇପାରେ | ଭବିଷ୍ୟତରେ, ଏହି ଟେକ୍ନୋଲୋଜିର ଅନୁସନ୍ଧାନ ଏବଂ ବିକାଶକୁ ଆହୁରି ତ୍ୱରାନ୍ୱିତ କରି, ଆମେ AI ଟେକ୍ନୋଲୋଜିକୁ ହୃଦୟଙ୍ଗମ କରିବାକୁ କାର୍ଯ୍ୟ କରିବୁ ଯାହା ପରିଚିତ ଉପକରଣ ଏବଂ ସିଷ୍ଟମ ପରି ବାସ୍ତବ ଦୁନିଆରେ ବ୍ୟବହାର କରାଯାଇପାରିବ | ଏହି ଟେକ୍ନୋଲୋଜି ହେଉଛି ଡିଜିଟାଲ୍ ଏଇ ଟେକ୍ନୋଲୋଜି ସେଣ୍ଟର, ଟେକ୍ନୋଲୋଜି ଡିଭିଜନ୍, ପାନାସୋନିକ୍ ଆର ଆଣ୍ଡ ଡି କମ୍ପାନୀର ଏଆଇ ଲାବୋରେଟୋରୀ ଦ୍ୱାରା କରାଯାଇଥିବା ଅନୁସନ୍ଧାନର ଫଳାଫଳ |

ଚିତ୍ର 2: ଅଟୋଡୋ ଡାଟା ବୃଦ୍ଧି (ସେୟାର୍-ପଲିସି DA ଦ୍ୱନ୍ଦ୍ୱ) ର ସମସ୍ୟାର ସମାଧାନ କରେ | ବର୍ଦ୍ଧିତ ଟ୍ରେନ୍ ତଥ୍ୟର ବଣ୍ଟନ (ଡ୍ୟାଶ୍ ନୀଳ) ଲୁକ୍କାୟିତ ସ୍ଥାନରେ ପରୀକ୍ଷା ତଥ୍ୟ (କଠିନ ଲାଲ) ସହିତ ମେଳ ହୋଇନପାରେ:
"2" ଅଳ୍ପ ବୃଦ୍ଧି ହୋଇଥିବାବେଳେ "5" ଅତ୍ୟଧିକ ବୃଦ୍ଧି ହୋଇଛି | ଫଳସ୍ୱରୂପ, ପୂର୍ବ ପଦ୍ଧତିଗୁଡ଼ିକ ପରୀକ୍ଷା ବଣ୍ଟନ ସହିତ ମେଳ ଖାଇପାରିବ ନାହିଁ ଏବଂ ଶିକ୍ଷିତ ଶ୍ରେଣୀକରଣ f (θ) ର ନିଷ୍ପତ୍ତି ଭୁଲ ନୁହେଁ |