Twindesign / 123RF Η λειτουργία αυτόματης περικοπής του Twitter λειτουργεί όπως το όριο χαρακτήρων ενός tweet, προκειμένου οι εικόνες στην πλατφόρμα microblogging να είναι συνεπείς με την υπόλοιπη ροή - αλλά τώρα το Twitter βελτιώνεται σε αυτές τις καλλιέργειες, χάρη στην τεχνητή νοημοσύνη. Το Twitter κυκλοφορεί τώρα μια πιο έξυπνη αυτόματη περικοπή βασισμένη σε νευρωνικά δίκτυα, ανακοίνωσε η εταιρεία σε μια δημοσίευση ιστολογίου στις 24 Ιανουαρίου.
Η προηγούμενη λειτουργία αυτόματης περικοπής λειτούργησε χρησιμοποιώντας ανίχνευση προσώπου για να διατηρεί τα πρόσωπα στο πλαίσιο. Όταν δεν εντοπίστηκαν πρόσωπα στην εικόνα, το λογισμικό απλώς περικόπτει την προεπισκόπηση στο κέντρο, ενώ ένα κλικ στην εικόνα επιτρέπει στους χρήστες να δουν ολόκληρη τη λήψη. Το Twitter λέει ότι η επιλογή περικοπής χωρίς πρόσωπα θα οδηγούσε συχνά σε αδέξιες καλλιέργειες, ενώ μερικές φορές το λογισμικό δεν αναγνώριζε σωστά πρόσωπα.
Για να διορθώσουν αυτές τις αδέξια περικοπές προεπισκοπήσεις, οι μηχανικοί του Twitter χρησιμοποίησαν αυτό που ονομάζεται εμφανείς χάρτες εικόνας για να εκπαιδεύσουν ένα νευρωνικό δίκτυο. Οι χάρτες Salient χρησιμοποιούν εντοπιστές ματιών για να προσδιορίσουν τις περιοχές μιας εικόνας που προσελκύουν περισσότερο το βλέμμα του θεατή. Προηγούμενη έρευνα στην περιοχή έδειξε ότι οι θεατές τείνουν να επικεντρώνονται σε πρόσωπα, κείμενο, ζώα, αντικείμενα και περιοχές με υψηλή αντίθεση.
Το Twitter χρησιμοποίησε αυτά τα προηγούμενα δεδομένα για να εκπαιδεύσει το πρόγραμμα για να κατανοήσει ποιες περιοχές της εικόνας είναι οι πιο σημαντικές. Χρησιμοποιώντας αυτά τα δεδομένα, το πρόγραμμα μπορεί να αναγνωρίσει αυτές τις δυνατότητες και να κάνει αυτόματη περικοπή σε ένα μέρος που θα αφήσει τις πιο οπτικές περιοχές μέσα στην περικοπή.
Ωστόσο, το Twitter δεν έγινε - ενώ το λογισμικό προεξοχής λειτουργεί καλά, είναι επίσης αργό, γεγονός που θα εμπόδιζε την ανάρτηση tweets σε πραγματικό χρόνο. Για να επιλύσει το άβολο πρόβλημα των καλλιεργειών χωρίς επιβράδυνση, το Twitter βελτίωσε ξανά το πρόγραμμα χρησιμοποιώντας δύο διαφορετικές τεχνικές που βελτίωσαν την ταχύτητα δέκα φορές. Ο πρώτος εκπαίδεψε ένα μικρότερο δίκτυο χρησιμοποιώντας αυτό το πρώτο καλό αλλά αργό πρόγραμμα για να επιταχύνει αυτές τις καλλιέργειες. Στη συνέχεια, οι μηχανικοί λογισμικού καθόρισαν έναν αριθμό οπτικών σημείων για χαρτογράφηση σε κάθε εικόνα, αφαιρώντας αποτελεσματικά τα μικρότερα, λιγότερο σημαντικά οπτικά στοιχεία, διατηρώντας παράλληλα ανέπαφα τις μεγαλύτερες περιοχές.
Πριν 
Μετά Το λογισμικό που προκύπτει επιτρέπει στις εικόνες να δημοσιεύονται σε πραγματικό χρόνο, αλλά με καλύτερες καλλιέργειες. Σε μια ομάδα εικόνων πριν και μετά, το Twitter εμφανίζει εικόνες με πρόσωπα που το προηγούμενο σύστημα δεν θα ανιχνεύσει σωστά περικομμένο στο πρόσωπο παρά τα πόδια. Άλλα παραδείγματα δείχνουν εικόνες αντικειμένων που έχουν αποκοπεί στο πρώτο πρόγραμμα επειδή δεν κάθονταν στη μέση της εικόνας, αλλά περικόπηκαν πιο κατάλληλα χρησιμοποιώντας τους ενημερωμένους αλγόριθμους. Ένα άλλο παράδειγμα δείχνει το πρόγραμμα αναγνώρισης κειμένου και προσαρμογή της περικοπής ώστε να περιλαμβάνει ένα σημάδι.
Ο ενημερωμένος αλγόριθμος περικοπής κυκλοφορεί ήδη παγκοσμίως σε εφαρμογές iOS και Android, καθώς και στο Twitter.com.
