Facebook zlepšuje schopnost rozpoznat objekty ve videích. Přináší to i nové reklamní příležitosti

Když se systémy strojového učení zlepšily v identifikaci objektů na fotografiích, přichází na řadu další fáze tohoto procesu, a to je identifikace jednotlivých objektů ve videích. To by mohlo otevřít nové možnosti v oblasti umístění značek, vizuálních efektů, přístupnosti a dalších důležitých funkcí.

Společnost Google už nějakou dobu nástroje v této oblasti vyvíjí, což vedlo k vylepšení reklamních možností YouTube, jako jsou označování produktů zobrazených v rámci videí a poskytování možnosti přímého nakupování. K tomu nyní podniká kroky i Facebook a nabízí nový proces, který mnohem lépe označuje jednotlivé objekty v rámci videosnímků.

„Ve spolupráci s výzkumníky společnosti Inria jsme vyvinuli novou metodu zvanou DINO, která umožňuje trénovat Vision Transformers (ViT) bez jakéhokoli dohledu. Kromě toho, že tento přístup stanovuje nové techniky mezi metodami s vlastním dohledem, vede k pozoruhodnému výsledku, který je pro tuto kombinaci technik umělé inteligence jedinečný. Náš model dokáže objevit a segmentovat objekty v obraze nebo videu zcela bez dohledu a bez zadání cíle zaměřeného na segmentaci," vysvětluje v tiskové zprávě Facebook.

Tím se celý proces účinně automatizuje, což představuje významný pokrok v technologii počítačového vidění a otevírá to i řadu nových potenciálních příležitostí.

„Segmentace objektů pomáhá usnadnit úlohy, od výměny pozadí videochatu až po výuku robotů, které se pohybují v nepřehledném prostředí. Je to považováno za jeden z nejtěžších úkolů v oblasti počítačového vidění, protože vyžaduje, aby umělá inteligence skutečně pochopila, co se v obraze nachází. To se tradičně provádí pomocí učení pod dohledem a vyžaduje velké objemy anotovaných příkladů. Naše práce s DINO však ukazuje, že vysoce přesná segmentace může být ve skutečnosti řešitelná pouze pomocí samoučení a vhodné architektury."

To by mohlo Facebooku pomoci poskytnout nové možnosti při označování produktů pro související zobrazení v rámci videoobsahu. Existují ale také aplikace s virtuální realitou a vizuálními nástroji, které by mohly vést k mnohem pokročilejším, více pohlcujícím funkcím. Zahrnovat by mohly další shromažďování dat a personalizaci.

Ještě v roce 2017 Facebook uvedl:

„Umělá inteligence by mohla řadit video streamy, personalizovat je pro news feedy (uživatelů) a odstranit časové prodlevy při jejich publikování a distribuci. Personalizace videa v reálném čase by mohla být velmi atraktivní a opět by prodloužila dobu, kterou uživatelé stráví v aplikaci."

V době, kdy Facebook (minimálně deklaratorně) upřednostňuje celkový zážitek uživatelů a dojem z času stráveného na platformě před prostým navyšováním na ní stráveného času, toto již nemusí být ultimátní prioritou.

Cílem Facebooku je poskytovat co nejpřesvědčivější a nejhodnotnější zážitek všem uživatelům, aby maximalizoval jejich enagegement a zvýšil svou užitečnost a hodnotu. Proto není překvapením, že mohou být tyto pokročilé nástroje pro rozpoznávání videa pro Facebook obrovským přínosem.

Reklamní příležitosti se ale nabízí. Pro inspiraci se stačí podívat za Googlem, který se na YouTube chystá označovat všechny položky ve všech videích, nejen v těch, kde tvůrce značku označí. Facebook má pole působnosti navíc díky vlastnictví značky Oculus a jeho aktivitám v oblasti virtuální reality. Rozpoznání objektů v ní a nabídnutí dodatečné reklamy by mohlo přinést konverzní poměry, které reklamními bannery přes zmenšené video ve feedu nedosáhnete.

Zdroje: Social Media Today, Facebook Newsroom