ఇమేజ్ సంపాదకులతో పని చేస్తున్నప్పుడు జాగ్రత్త తీసుకోవలసిన ముఖ్యమైన పనిలో ఒకటి ఆబ్జెక్ట్ ఎంపిక. వినియోగదారులు ప్రక్రియను వేగవంతం చేయడానికి ట్రిక్స్ తో వచ్చారు కానీ మానవ – స్థాయి ఖచ్చితత్వంతో చేయగల మంచి ఆటోమేటెడ్ ఫీచర్ ఏదీ లేదు. అయినప్పటికీ, MIT యొక్క కంప్యూటర్ సైన్స్ మరియు కృత్రిమ మేధస్సు ల్యాబ్ (CSAIL) ఈ ఈ పని కోసం AI- సహకార ఇమేజింగ్ ఎడిటింగ్ సాధనాన్ని అందించింది అలాగే దీని అంతిమ ఫలితాలు చాలా ఉపయోగకరంగా వున్నాయి కూడా. ఈ కొత్త టూల్ కి సెమాంటిక్ సాఫ్ట్ సెగ్మెంటేషన్ (SSS) అని పరిశోధకులు పేరు పెట్టారు, ఇది మృదువైన విభాగాలపై ఆధారపడింది, ఇవి తక్కువ స్థాయి చిత్ర లక్షణాలతో న్యూరల్ నెట్వర్క్ నుండి అధిక-స్థాయి సమాచారాన్ని స్వయంచాలకంగా కరిగిస్తుంది. ఈ పరిశోధన ఫీచర్ కొత్త ఫీచర్ కొన్ని ఇమేజ్ ఎడిటింగ్ విధులను సులభతరం చేస్తుంది, లేకపోతే ఇది ఒక నైపుణ్యం కళాకారుడి యొక్క సమయం మరియు పనిని పాడుచేస్తుంది.
MIT పరిశోధనా పత్రాన్ని ఈ విధంగా వివరించారు, "చిత్రంలో వివిధ ప్రాంతాల మధ్య సంబంధాలను జాగ్రత్తగా నిర్వచించడం ద్వారా, వాటి అర్థ సరిహద్దులతో ఉన్న మృదువైన విభాగాలు నిర్మాణాత్మక లాప్లాసియన్ మాతృక వర్ణపట విశ్లేషణ ద్వారా బయటపడతాయి. ఇందులో మెత్తటి భాగాల కోసం ప్రతిపాదిత సడలింపు స్పార్సీఫికేషన్ పద్దతి ఖచ్చితమైన మృదు పరివర్తనలు ఉత్పత్తి చేయగలదు, అయితే వీటిలో చిన్న పొరలు ఉంటాయి. "ఈ పధ్ధతి చిత్ర లక్షణాలను గుర్తించడానికి మరియు చిత్రంలో మృదువైన అంచులను గుర్తించడానికి కాని మృదు పరివర్తనలు రెండు అసమాన వస్తువులు లేదా నేపథ్యం మరియు ఒక వస్తువు అంచులు చుట్టూ పిక్సెల్లను పంచుకోవడానికి ఉపయోగపడుతుంది. ఖాతాలో ఇది AI కారకాలు మరియు పొరలను స్వతంత్రంగా వేరుచేసే పునరావృత పనిని నిర్వహిస్తుంది.
ఇమేజ్ ప్రాసెసింగ్ తో పాటు, AI అనేక ఇతర ప్రాంతాలకు అన్వయించబడింది. వెల్ ఎలోన్ మస్క్ యొక్క OpenAI గత సంవత్సరం వన్ తో వన్ మ్యాచ్లో Dota 2 క్రీడాకారులను ఓడించదానికి సహాయపడింది మరియు ఇటీవల గేమింగ్ టైటిల్ వార్షిక ఛాంపియన్షిప్ టోర్నమెంట్ 'ది ఇంటర్నేషనల్' వద్ద ప్రొఫెషనల్ ఆటగాళ్ళు వ్యతిరేకంగా మారింది. AI ఆధారిత బోట్స్ మానవ ఆటగాళ్లకు వ్యతిరేకంగా వారి మొట్టమొదటి పోరాటాన్ని కోల్పోయారు, కాని ఇప్పటికీ రెండు బోట్లు మిగిలి ఉన్నాయి, ఇది రెండు రోజుల వ్యవధిలో జరుగుతుంది.