בין השימושים העתידיים של מחקר זה: בחירת תמונה טובה ביותר מתוך קבוצת תמונות, זיהוי עצמים תלת מימדיים בתנועה ואינטגרציה של חיישנים מרובים. בזכות מחקר זה, ניתן יהיה להעמיק את היכולות הטכנולוגיות העתידיות בתחומי הרובוטיקה, מערכות אבטחה ועוד
הכנס הבינלאומי ללמידת מכונה (ICML) העניק בשבוע שעבר את "פרס עבודת המחקר המצטיינת" לחוקרים על מחקרם על למידה עמוקה של קבוצות של עצמים בעלי סימטריה (למחקר המלא: On Learning Sets of Symmetric Elements). את המחקר הוביל דר' חגי מרון מקבוצת המחקר של אנבידיה בישראל והשתתפו בו דר' אור ליטני מסטנפורד, דר' איתן פתיה מאוניברסיטת בר אילן ופרופ' גל צ'צ'יק מאוניברסיטת בר אילן ומנהל קבוצת המחקר של אנבידיה בישראל.
המחקר מציע גישה סדורה ללמידה של קבוצות שלמרכיבים שלהן יש תכונות סימטריה. הוא ניתן לשימוש במגוון יישומים, לרבות תיקון טשטוש (deblurring) של פרצי תמונות, או בחירה של תמונה טובה ביותר מתוך קבוצת תמונות.
"המחקר שלנו מוכיח תיאורטית באילו ארכיטקטורות של רשתות עצביות עמוקות יש להשתמש כאשר לומדים קבוצות של עצמים מורכבים. במונח 'מורכבים' אנו מתכוונים לעצמים שלהם יש מבנה מיוחד שאנו מתייחסים אליו כאל סימטריה," הסבירו החוקרים בעבודתם. "אנו גם מדגימים באופן אמפירי שארכיטקטורה זאת משיגה תוצאות מצוינות במגוון שימושים בתמונות, גרפים וענני נקודות תלת-ממדיים." לדוגמא, השיטה החדשה מאפשרת ללמוד מתוך דוגמאות כיצד לבחור את התמונה הטובה ביותר באוסף תמונות לא מסודר.
"בבעיה זאת ישנם שני סוגים של סימטריה: ראשית, יש לבחור את התמונה הטובה ביותר מבלי להתחשב בסדר התמונות באוסף. שנית, יש לבחור את התמונה הטובה ביותר גם אם חל שינוי קל במיקומים של המרכיבים העיקריים. מסתבר שמבנים דומים מתגלים גם במערכי צלילים, אותות, תמונות, ענני נקודות תלת-ממדיים ואפילו רשתות. סדר המרכיבים בכל המקרים האלה הינו שרירותי ולכל מרכיב יש מבנה סימטרי מיוחד" הסבירו החוקרים.
כל הניסויים נערכו על גבי מערכות NVIDIA DGX עם מעבדים גרפיים מסוג NVIDIA V100.
