谷歌推出AVA數據庫：讓機器識別視頻中人類(lèi)行為

　　計算機視覺(jué)正在成為科技公司的一大福音，能夠讓機器加速運轉，并完成迄今為止只能由人類(lèi)完成的任務(wù)。

　　幾個(gè)月前，eBay公布將要添加新的搜索功能，可以讓用戶(hù)使用現有照片來(lái)尋找類(lèi)似商品，同時(shí)線(xiàn)上服裝零售商ASOS則在時(shí)尚領(lǐng)域涉足此項。Shutterstock上周公布了一項全新的測試功能，用戶(hù)可以根據自己的布局來(lái)搜索股票照片。過(guò)了幾天，谷歌照片應用發(fā)布了新的寵物圖像識別功能。

　　簡(jiǎn)而言之，在計算機視覺(jué)領(lǐng)域，發(fā)展越來(lái)越激動(dòng)人心，同時(shí)也可以看到人們對人工智能領(lǐng)域的大量投資卓有成效。

　　目前，大多數計算機視覺(jué)技術(shù)的進(jìn)步主要發(fā)生在靜態(tài)圖像領(lǐng)域，但我們也開(kāi)始在視頻中看到計算機視覺(jué)技術(shù)的成果。例如，俄羅斯當局在全國的實(shí)時(shí)監控網(wǎng)絡(luò )中應用了面部識別技術(shù)。Pornhub也在做類(lèi)似的事情，自動(dòng)對“成人娛樂(lè )”視頻進(jìn)行分類(lèi)，包括訓練系統識別特定的性姿勢。此外，還有蓬勃發(fā)展的自動(dòng)駕駛汽車(chē)行業(yè)，在很大程度上依賴(lài)于機器對現實(shí)世界行為理解的能力。

　　在這樣的背景下，谷歌推出了一個(gè)新的視頻數據庫，希望能夠推動(dòng)計算機視覺(jué)識別影像中行為的研究?！霸右曈X(jué)行為”的英文縮寫(xiě)“AVA”是一個(gè)由多個(gè)標簽組成的數據庫，用戶(hù)可以在視頻序列中進(jìn)行操作。

　　視頻中動(dòng)作識別的困難主要在于視頻中各種復雜的場(chǎng)景交織在一起，多個(gè)動(dòng)作也在同一時(shí)間由不同的人發(fā)出。

　　谷歌軟件工程師顧春暉和大衛羅斯在一篇博客文章中解釋道：“教會(huì )機器去識別影像中的人類(lèi)行為是發(fā)展計算機視覺(jué)的一大基本難題，但是對于個(gè)人視頻搜索和發(fā)現、體育分析和手勢界面等應用至關(guān)重要?！薄氨M管過(guò)去幾年在圖像分類(lèi)和尋找物體方面取得了激動(dòng)人心的突破，但識別人類(lèi)行為仍然是一個(gè)巨大的挑戰?！?/p>

　　本質(zhì)上，AVA就是一堆被80個(gè)原子動(dòng)作標注的YouTube網(wǎng)址，并延伸到了近5.8萬(wàn)個(gè)視頻片段，涉及到很多日?；顒?dòng)，比如握手、踢腿、擁抱、接吻、喝酒、玩樂(lè )器、散步等等。

　　通過(guò)對外開(kāi)放數據庫，谷歌希望可以改進(jìn)機器的“社交視覺(jué)智能”，這樣他們就能理解人類(lèi)在做什么，并預測他們下一步會(huì )做什么。

　　該公司表示：“我們希望，AVA的發(fā)布將有助于改進(jìn)人類(lèi)行為識別系統的開(kāi)發(fā)，并有機會(huì )基于時(shí)空間隔標簽對復雜的活動(dòng)進(jìn)行建模?！?/p>