重點新聞(0424～0430)
臺北慈濟醫院 VR模擬 武漢肺炎
臺北慈濟聯手急重症模擬醫學會，不只用VR模擬肺炎照護還可開發AI虛擬教師
受武漢肺炎（COVID-19）疫情影響，許多國家照護能量告急。為在低風險條件下，提高武漢肺炎患者照護力，臺北慈濟聯手臺灣急重症模擬醫學會，利用SimX COVID-19 VR臨床照護訓練應用，打造COVID-19 VR醫學模擬訓練中心，讓醫學生學習篩檢、隔離到臨床照護等作業。
這套臨床照護VR應用，在世界頂尖的梅約醫學中心、史丹佛大學和美國空軍都採用，這次由HTC醫療健康事業部DeepQ引進臺灣。臺北慈濟醫院急診部主任楊久滕指出，過去醫事人員只能透過影片和書本，來想像武漢肺炎病人情況和應對照護流程，但透過VR，可在虛擬篩檢站和隔離病房內，學習和訓練正確的照護流程，且能即時與臨床教師討論。 DeepQ也指出，未來累積大量的學生學習數據後，也可用來開發AI虛擬教師，協助學生學習。（詳全文）
![]()
YOLO v4 電腦視覺 物件偵測
物件偵測類神經網路YOLO v4來了！新版更快又更準
即時物件偵測模型YOLO自2016年問世以來，就深受開發者喜愛，可產出快速、準確的辨識結果。雖然今年初，YOLO之父Joseph Redmon宣布退出電腦視覺界，社群擔心YOLO就此停擺，好在日前YOLO在GitHub上釋出最新版模型YOLO v4。
比起前一代，v4版可讓使用者擁有旗艦版GPU（1080 Ti或2080 Ti）般的算力，來訓練一個快又精準的模型，此外，新版也驗證了物件偵測訓練的優化方法，如Bag-of-Freebies和Bag-of-Specials。最後，新版也改善了時下熱門的訓練方法，包括CBN、PAN等，讓單一GPU訓練更有效率。經測試，新版在COCO資料集上達43.5％AP值（平均精確值），在Tesla V100上的即時運算速度可達每秒65幀，比目前最好的模型更快、更精準。（詳全文）
![]()
吳恩達 社交距離 行人辨識
社交距離怎麼抓？吳恩達揭露新方法
受到武漢肺炎（COVID-19）疫情影響，各國紛紛祭出社交距離規範，要來降低感染風險。為此，吳恩達團隊也以科技防疫，開發一套AI工具，可從監視錄影中，即時估算人與人之間的距離。
這套工具可分為三步驟，首先是校正（Calibration），也就是將任意角度拍攝的監視器畫面，轉換為由上而下的鳥瞰圖，系統藉這個方法，來測量畫面與現實世界的距離比例。再來是偵測，團隊用開源的Faster R-CNN行人偵測模型，來自動將監視器畫面中的行人，以邊界框標註。最後，則是根據這些邊界框，在鳥瞰圖中測量行人的x、y軸座標，來計算人與人之間的水平距離。對於未保持距離的行人，系統會在這些人間畫一條紅色水平線，來凸顯問題。（詳全文）
![]()
動物森友會 視訊會議 AI學術會議
另類視訊會議！研究員將於動物森友會另闢島嶼，來舉辦AI學術研討會
任天堂線上遊戲動物森友會因疫情大受歡迎，近日矽谷一家AI新創Artie的自然語言研究總監Josh Eisenberg宣布，要在遊戲中另闢全新島嶼，來進行AI學術研討會（ACAI），即日起開始徵件AI論文摘要，至6月12日止，會議將於7月23日舉辦。
Josh Eisenberg指出，因疫情關係，許多實體會議都改為線上，但卻少了互動和交流。為此，他想利用線上遊戲角色扮演的情境，來增加互動。主辦方接受各種AI主題論文，但特別歡迎與敘述運算模型、語音辨識、電腦視覺、對話式AI、電玩AI等相關的主題。
之後，成功入選這場AI學術研討會的論文作者，可以自己的角色進入動物森友會，來與參與者互動、解說，要是沒有動物森友會帳號，主辦方也將幫忙創辦。在研討會中，每個議程為15分鐘，其中5分鐘為現場問答。與此同時，主辦方也會透過Zoom，來即時分享主講者的演講和簡報。（詳全文）
![]()
翻譯服務 性別偏差 機器學習
降低性別偏差！Google更新翻譯服務
Google近日更新翻譯服務，使用新方法來解決翻譯上的性別偏差。這個新方法目前用於英文到西班牙文的翻譯，未來將擴充至更多語言。過去，Google為一些語言提供性別翻譯功能，但隨著提供性別翻譯服務的語言增加，舊方法出現擴展和低召回率問題。
為此，Google採用重寫方法，來改善性別翻譯的品質。也就是先產生初始翻譯，再審查翻譯，當翻譯具有性別用語，則重寫成目標性別翻譯，最後評估精確度。此外，Google也重新產生資料集，來建置新的重寫器。（詳全文）
![]()
Cloud 3D照片 深度學習 圖片修復
3D照片新技術能適應輸入圖片複雜度，產生更自然的3D合成圖片
維吉尼亞理工學院開發一套圖像修復模型，可將單個RGB-D圖像，轉換為3D照片。有別於傳統需要多張照片和特殊硬體的技術，研究團隊利用一套CNN演算法，來解決圖片處理的不同問題，其中，新方法不預先固定圖像層數，而是能適應輸入圖片的局部深度資訊複雜度，產生不同數量的圖層。
因此，只要一張RGB-D圖片，團隊的模型就能產出3D照片。之後，團隊也用模型來評估野外拍照的能力，透過雙鏡頭iPhone X拍下的彩圖和深度圖，發現模型能產生比臉書方法更少的偽影。不過，團隊方法在欄杆等複雜場景仍會失誤。（詳全文）
Google 智慧醫療 影像判讀
Google：人為和環境因素會影響醫療影像判讀AI準確度
Google日前公布一項臨床研究，以2017年發表的糖尿病視網膜病變判讀AI和泰國11家眼科診所為對象，發現AI要實用於醫療，還有漫漫長路要走。
這套視網膜病變判讀AI，可利用深度學習從眼底鏡中，判斷視網膜病變程度，準確率達90%。2018年底，Google與泰國合作，將該雲端AI應用於當地眼科。研究員發現，診所環境大幅影響影像品質，比如模糊或太暗，會讓AI視為「不可分級」而拒絕。即使接受，也可能誤判。而11家診所中只有2家有夠暗的攝影場地，Google坦承，將根據這些問題，來加強訓練AI系統。（詳全文）
史丹佛大學 穿戴裝置 疾病預防
科技防疫再一樁！Fitbit聯手史丹佛，要開發早期預警的穿戴裝置AI
Fitbit聯手史丹佛醫學院，要搭配智慧型手錶和其他穿戴式裝置，來開發一套AI模型，偵測COVID-19等病毒感染的早期症狀。首先，團隊利用穿戴裝置蒐集志願者心率、體溫等生理資訊，來訓練一系列演算法，辨識人體免疫系統啟動時的變化，如體溫升高、發燒等。
研究團隊將使用5種品牌的穿戴裝置，包括智慧手錶、智慧戒指等，並訓練5種演算法。這項研究的負責人史丹佛醫學院基因學教授Michael Snyder指出，智慧型手錶等穿戴裝置一天至少可進行25萬次量測，是有效的監測工具。如果演算法經驗證有效，將可即早偵測病毒感染、遏止傳播。（詳全文）
![]()
圖片來源／DeepQ、YOLO、Landing.ai、Josh Eisenberg、Google、史丹佛大學
AI趨勢近期新聞
1. PyTorch更新1.5版本釋出開源模型伺服器TorchServe
2. Nvidia與倫敦國王學院合作開源醫療影像用AI框架MONAI
3. 南韓科技龍頭Naver釋出Clova AI最新預訓練模型StarGAN v2和資料集
4. Amazon發表更強大的分散式注意力網路ResNeST
資料來源：iThome整理，2020年4月
.JPG)
