Встроенный AI генерирует изображения разными способами – достаточно лишь загрузить фотографии или селфи, на основе которых будет создаваться креатив. Пользователи могут генерировать свои уникальные образы по текстовому описанию или применять десятки тематических нейро фильтров и нейро аватаров.
Инновационным для рынка РФ проектом стал DRESSCODE – виртуальная примерочная от VRTech. Искусственный интеллект не просто обрабатывает селфи и совмещает изображение с той или иной моделью, но и учитывает параметры фигуры пользователя.
В DRESSCODE доступны генерации по нескольким опциям: актуальные коллекции магазинов, тип или стиль одежды, текстовое описание или рандомное изображение. В разделе “Коллекции” понравившиеся вещи можно купить, перейдя прямо из приложения на сайт продавца.
Технология DRESSCODE реализована для интерактивных панелей примерки, предназначенных для установки в магазинах. Посетитель может сделать фотографию, оценить как будет смотреться тот или иной предмет, собрать целый гардероб на его основе и совершить покупку.
Big Data помогает улучшить продажи и позволяет узнать больше о своих клиентах.
Мы создаем VR шоурумы, которые собирают и обрабатывают различные данные о потребительском поведении: движения и направление взгляда, реакция на определенные стимулы и раздражители и т.п. Система наблюдает за посетителями шоурума и выявляет характерные сценарии поведения для разных категорий.
Например, в торговле недвижимостью технология разделяет клиентов на несколько групп: готовы купить; “зашли посмотреть”; думают над оформлением ипотеки. Анализ действий может показывать, что “готовые” покупатели сначала идут в ванную, потом в спальню. А “ипотечники” начинают с осмотра кухни. Эти сценарии можно использовать для подсказок продавцам, чтобы лучше выстраивать переговоры и эффективнее совершать сделки.
Та же технология используется в виртуальных автосалонах.
Изначально платформа PolygonVR фиксировала положение игрока с помощью 37 пассивных датчиков. Они располагались на точках тела, которые перемещаются относительно друг друга (например, сгибания/разгибания рук или ног, движения головы и т.п.). Чтобы сделать VR комплекс более практичным, мы решили перейти всего на 6 активных датчиков: по два на руках и ногах, по одному на голове и на игровом рюкзаке.
Нам нужно было научить компьютер распознавать движения человека на основе ограниченного количества датчиков. Для этого мы использовали нейросети и машинное обучение. Игроков экипировали и активными, и пассивными датчиками и предложили им попробовать различные игры, в которых нужно перемещаться и совершать непредсказуемые движения. Нейросеть учитывала все возможные варианты взаимного расположения сенсоров. Затем мы исключили из схемы пассивные датчики и сеть смогла построить “скелет” игрока, основываясь всего на шести точках.
Железнодорожная компания попросила нас создать VR интерфейс, который помог бы научить билетных контролеров действовать в определенных обстоятельствах.
Процесс, в значительной степени, был завязан на речь “игрока”, поэтому перед нами стояло две задачи. Первая, довольно обычная, заключалась в преобразовании речи в текст. Вторая, которую нам пришлось решать самостоятельно – извлечение смысла текста. Алгоритм, который мы написали, мог сравнивать извлеченные смысловые компоненты с исходными данными. Например, он сопоставлял слова, произнесенные инспектором, с принятыми в компании формулировками на случай кризисных ситуаций.
В этом проекте мы погрузились в творчество знаменитых русских художников Натальи Гончаровой и Казимира Малевича. Нашей целью было дать всем желающим возможность рисовать натюрморты в стиле этих великих живописцев. Добиться этого было нелегко, и вот почему.
Игроку доступно огромное количество предметов, чтобы создать натюрморт. Но как сделать так, чтобы он выглядел именно как работа Малевича? Чтобы это стало возможным, мы обучили две искусственные нейронные сети, которые по ходу дела начали обучать друг друга. Первая сеть пыталась рисовать в стиле Малевича, а вторая угадывала, была ли данная картина действительно написана Малевичем или сделана первой сетью.
С каждой итерацией каждая из сетей узнавала что-то новое. Одна из них создавала еще более искусные картины, другая выявляла плагиат с еще большей точностью.
Мы используем VR для прогнозирования всевозможных ситуаций, зависящих от действий людей. Вот как это работает. Мы создаем огромную искусственную нейронную сеть, которая снабжается данными обо всех процессах в заданной среде.
Например, на нефтеперерабатывающем заводе. Мы стараемся охватить абсолютно все процессы – от уборки коридоров до заправки танкеров. Затем мы моделируем аварию на производстве, когда какой-то конкретный процесс дает сбой. Нейросеть начинает оценивать поведение всех систем, в зависимости от последствий аварии.
Дело в том, что AI может генерировать бесконечное количество вариантов аварийных ситуаций. По действиям людей в тех или иных обстоятельствах можно сделать выводы о логике процессов и способах их оптимизации. Эта технология позволяет получить невероятно эффективный симулятор, к которому невозможно привыкнуть и приспособиться.
ВСЕ ЭТО ПРОИСХОДИТ В ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ, БЕЗ РЕАЛЬНЫХ АВАРИЙ И ТРАВМ.