案例展示
您的位置:主页 > 案例展示 >

Facebook详细介绍了其购物体验背后的人工智能

日期:2020-05-31 19:55

  脸书本日公布对其平台上的购物体验举办更始,此中席卷脸书店肆,这是一种新的方法,企业可能成立一个简单的正在线店肆,让顾客可能正在脸书和Instagram上访候。公司新产物特点悉数这完全都是由一个家庭的新人工智能和呆板进修体系的愿景一步一个一体化的智能助手,可能探索和等第的产物,同时本性化举荐片面品尝。

  像Facebook Marketplace云云的电子商务企业依赖人工智能来主动竣工一系列幕后工作,从进修偏好和体型到理会也许影响购置决策的身分。麦肯锡(McKinsey)估量,近来陈设了人工智能来统治购物者商议的亚马逊(Amazon),其产物举荐引擎的发卖额占总发卖额的35%。除了排名,来自ModiFace和Vue等草创公司的人工智能。ai、Edited、Syte和Adverity让顾客可能虚拟试穿口红的色调,看到各式尺寸的模特图片,并随时呈现流通趋向和销量。

  脸书首席推行官马克扎克伯格正在今六合昼的直播中说:“咱们看到良众从未正在网上显露过的小企业第一次上钩(这是大流通的结果)。”他吐露,全天下有进步1.6亿小企业正在操纵该平台的办事。“这并不行添补他们失落的悉数生意,但它可能助助。正在这偶尔期,对付很众小企业来说,这即是保存照样倒闭的区别。Facebook的特别定位是成为小企业的冠军,助助小企业生长并依旧健壮。”

  Facebook示意,其人工智能购物体系对图片举办肢解、检测和分类,以理会产物正在哪里显露,并供给购物倡导。此中一个人系GrokNet对包括数百万用户揭橥、购置和发卖的产物图片的7个数据集举办了操练,这些产物分为几十个种别,从suv到细高跟鞋再到边桌。另一种步骤是从产物的2D视频中创修3D视图,纵使是那些被暗淡或过于明亮的灯光掩蔽的产物,而第三种步骤则聚焦于打扮,如领巾、领带等也许被方圆境遇局部掩蔽的物品。

  Facebook示意,GrokNet可能正在数十亿张照片中检测出准确的、相同的(通过相干属性)和配合显露的产物,它正在市集长进行探索和过滤的精确度起码是它所代替的算法的两倍。比方,它可能识别90%的住屋和花圃列外,而Facebook基于文本的归因体系只可识别33%。行动一项有限测试的一局部,除了正在市集卖家列出商品之前,从图片中为颜色和原料天生标签外,当页面统制员上传照片时,它还会正在Facebook页面上为产物增加标签。

  正在培训GrokNet的历程中,Facebook说它操纵了可靠天下的卖家照片,带有“离间性”的角度和目次样式的扩展。为了让它尽也许地包涵悉数邦度、说话、年事、体型和文明,它抽样了差异体型、肤色、场所、社会经济阶级、年事和姿态的例子。

  Facebook开拓了一种技能,愚弄GrokNet行动反应轮回,主动天生特殊的标识符,而不是手动为每张图片加上产物标识符,这将花费很长久间也许有300万个标识符。该步骤愚弄对象检测器,识别出盘绕也许产物的图像中的框,然后将这些框与已知产物的列外举办成婚,以将成婚依旧正在相同阈值内。结果成婚被增加到操练集。

  Facebook还愚弄了云云一个毕竟,即每个操练数据集都有其固有的难度。更轻易的工作不必要那么众图片或解释,而更穷困的工作必要更众。公司的工程师们同时提升了GrokNet正在工作上的精确性,他们将大局部操练分派给具有离间性的会合,而将每批操练中的少量图像分派给更轻易的会合。

  产物GrokNet,它有83个亏损功用,即将变量事变映照到示意与事变相干的本钱的数字的函数可能预测给定图像的属性畛域,席卷其种别、属性和也许的探索盘查。仅操纵256位来示意每个产物,它就形成了近似指纹的嵌入,可用于产物识别、视觉探索、视觉相同的产物举荐、排名、本性化、代价倡导和样板化等工作。

  Facebook示意,另日它将愚弄GrokNet为其正在市集上的店面供给动力,云云用户就可能更容易地找到产物,理会这些产物的操纵处境,并得回相干的配件举荐。该公司写道:“这种通用模子准许咱们愚弄更众的新闻由来,这提升了咱们的精确性,并优于咱们简单的笔直对象的模子。”“从一起先就酌量(悉数这些)题目,确保咱们的属性模子可能很好地为每片面办事。”

  一个添加的人工智能模子为Facebook的3D视图功用供给了赞成,该功用目前已正在市集上对iOS举办测试。正在Facebook本年2月推出的3D照片器材的根源上,它可能用智内行机拍摄视频,并对其举办后统治,以创修一个交互式的伪3D示意,可能挽回和挪动到360度。

  Facebook操纵一种名为同步定位和映照(SLAM)的步骤举办重修,即创修和更新一个未知境遇或对象的舆图,同时同步跟踪一个署理(智内行机)的职位。智内行机的姿态正在三维空间中重修,其旅途通过一个人系举办光滑,该体系可能检测到不服常的间隙,并将每个姿态映照到一个坐标空间,以改进不持续性。为了依旧同等性,光滑的相机旅途被映照回原始空间,从新引入不持续,并确保对象依旧可识别性。

  Facebook的SLAM技能还团结了来自帧的考核,以得回一个寥落的点云,此中包括了任何给定逮捕场景的最明显特点。这片云行动相机容貌的诱导,使其吻合正在3D中最能代外物体的视点;图像被扭曲了,看起来就像从视点拍摄的相通。一种诱导式的离群点检测器呈现枢纽点,这些枢纽点也许会引入畸变并丢掉它们,而相同度束缚使重构的无特点局部更庄敬,而失焦区域看起来更自然。

  除了3D重修,Facebook示意,它很疾就会愚弄Spark AR平台的结账功用,让顾客看到物品正在差异地方的状貌。(Nyx、Nars和Ray-Ban等品牌一经正在Facebook和Instagram上操纵它来巩固巩固实际的“试用”体验。)该公司计算通过操纵圭外和办事(席卷店肆),赞成更众品种的产物试用,席卷家居掩饰和家具。店肆是Facebook的一项功用,准许企业通过汇集直接发卖。

  为了向Marketplace云云的办事注入主动将打扮产物从图片平分离出来的才华,Facebook开拓了一种细分技能,声称与几个基准比拟,该技能可能告竣最先辈的功能。这种名为“实例面具投影”的“操作员”可能识别腕带、项链、裙子和毛衣等物品,这些物品正在光后不服均或局部混沌的处境下拍摄,以至可能以差异的姿态显露正在衬衫和夹克等其他物品下面。

  实例掩模投影检测打扮产物的完全,并大致预测其形势。这一预测可能行动一个指南,以细化每个像素的估量,准许从检测的全体新闻被纳入。预测的实例映照被投影到一个特点映照中,该特点映照用作语义肢解的输入。按照Facebook的说法,这种打算使得运算符适合于打扮解析(涉及丰富的分层、大变形和非凸对象)以及街道场景肢解(重叠实例和小对象)。

  脸书示意,该公司正正在培训其产物识别体系,该体系可能识别几十种产物种别、图案、纹理、气魄和景象,席卷照明和餐具。它还巩固了正在3D照片中检测物体的技能,正在相干的勉力中,它正正在开拓一种身体感知嵌入技能,以检测也许适合一片面身体的衣服。

  “本日,咱们可能贯通一片面穿戴一件小圆点的西装,纵使她的身体有一半藏正在办公桌后面。咱们也能理会那张桌子是木头做的照样金属做的,”脸书正在一份声明中说。“跟着咱们朝着咱们的长久方针勉力,即教员这些体系何如贯通一片面的品尝和气魄以及当这片面探索产物时所处的境遇咱们必要饱动更众的冲破。”

  Facebook示意,它的方针是有一天将这些差异的步骤组合成一个人系,可能按照片面的品尝和气魄动态供给产物举荐。比方,它设念出一种助手,可能通过领会一片面的衣柜里有什么东西的图片来理会他的喜欢,并准许这片面正在本人的复成品上试穿本人最笃爱的衣服,并发卖其他人可能预览的衣服。

  为此,Facebook示意,其研讨职员正正在打制一个“智能数字衣橱”原型,该衣橱不单能按照计算好的营谋或天色供给着装倡导,还能按照片面产物和审美供给时尚灵感。

  它就像一个没有硬件的、外观上更丰富的Echo Look,这是亚马逊(Amazon)一经停产的、由人工智能(ai)驱动的摄像头,它可能告诉顾客他们的打扮看起来何如,并纪录他们的衣橱里有什么,同时向他们举荐从亚马逊购置的衣服。像Stitch Fix云云的公司也操纵算法来挑选发送给顾客的衣服,挑选库存中的衣服,并跟踪顾客正在网上找到的他们笃爱的东西。

  Facebook估计,新体系最终将必要符合不竭转折的趋向和偏好,理念的体系是从潜正在理念产物的图像反应中进修。该公司近来正在Fashion++上得到了发扬,后者操纵人工智能提出本性化的时尚倡导,好比加一条腰带或把衬衫半卷起来。但该公司示意,说话贯通、本性化和“社交优先”体验方面的进取,务必正在成为一个真正具有预测性的时尚助理成为也许之前显露。

  脸书说:“咱们设念另日的体系可能整合你的友人闭于博物馆、餐馆或最好的陶瓷品课程的倡导让你更容易地购置这些类型的体验。”“咱们的长久愿景是打制一款集悉数功用于一身的人工智能糊口助手,可能精确探索和分列数十亿种产物,同时按照片面品尝举办本性化。”同样的体系将使网上购物和实际糊口中与友人购物相通具有社交性。更进一步,它将饱动可视化探索,使您的可靠境遇可购物。假设你看到你笃爱的东西(衣服、家具、电子产物等),你可能拍下照片,体系就会找到精确的物品,以及就地购置的几件近似物品。”

  Facebook从新闭怀电子商务之际,该公司正勉力应对疫情变成的广密告卖下滑。尽量正在线发卖正在过去几个月里暴涨,Facebook却拒绝填补Marketplace的佣金5%,而亚马逊和沃尔玛的佣金是15%这也许会依旧竞赛上风。少许领会师估量,正在其他条目褂讪的处境下,Facebook的长久市集收入将进步50亿美元。

下一篇:人工智能的例子