محققان تکنولوژی جدیدی به نام «STAR» معرفی کردهاند که انقلابی در نحوه درکِ تعاملات انسانی توسط سیستمهای بینایی ماشین ایجاد میکند.
مشکل اکثر روشهای فعلی این است که یا فقط به اسکلتبندی بدن اکتفا میکنند یا اطلاعات بصری RGB را نادیده میگیرند. مدل جدید STAR با استفاده از «تراز کردن توکنهای اسکلتی» و ترکیب هوشمندانه دادههای ویدئویی در یک فضای پنهان مشترک، به رباتها کمک میکند تعاملات پیچیده انسان با انسان یا انسان با ربات را بسیار دقیقتر درک کنند.
نکته جذاب اینجاست که این مدل هنگام آموزش از ویدئو و اسکلت استفاده میکند، اما در مرحله استنتاج (اجرا)، تنها با تکیه بر دادههای اسکلتی میتواند نتایج دقیقی ارائه دهد که برای محیطهای حساس به حریم خصوصی عالی است!
منبع: arXiv AI