メタバース研究所による機械学習研究(W&Bミートアップ #15)

Transcript

1. クラスターメタバース研究所における機械学習研究 早瀬 友裕 Tomohiro HAYASE, Ph.D  Weights and Biases Meetup 2024/Aug./22
2. clusterとは? VR スマートフォン PC VRからスマホまでどこからでも遊べる　　　国 内最大のメタバースプラットフォーム メタバース研究所のミッション エモーション モーション ボイス 独⾃のコミュニティ 大量の3Dデータ 「世界と⼈を計算可能に」
3. ⼤規模3Dメタデータによる 撮影スポット探索機の学習 with Sacha Braun (Ecole Polytech), 折登 樹,柳川光理, 廣井裕⼀ PanoTree: Autonomous Photo-Spot Explorer in Virtual Reality Scenes https://cluster-lab.github.io/panotree/ arxiv:2405.17136
4. 4 背景：メタバースには３D顕著性データがある 3Dシーンの顕著性/Attentionを表すもの： 写真撮影 単なる視線履歴ではなく、明⽰的に⼈間がカメラ を向けて撮影した情報であり、顕著性としての価 値が⾼い PFには、写真撮影時のメタデータ（３D座標‧回 転、シーンID）が溜まっている Figure. cluster, VRモードでのカメラUI.
5. 5 写真撮影の例
6. 6 研究概要 Question 未知３Dシーンにおける撮影スポットを発⾒できますか？ Answer １．顕著性の定式化＆⼤規模３Dデータで価値観数の学習＆汎化 ２．未知シーンにおける⾼速な強化学習探索アルゴリズムの構成 性能検証は価値関数の汎化性能と探索アルゴリズムの速さで⾏う Takeaway ⾃動撮影 3Dシーンの設計, 導線管理, デザイン ⼈間を⼊れる前に, 事前推測なので, ３Dシーンの設計ができる Game AIの視覚基盤
7. 7 評価関数の定式化 この画像はどちらに属していますか？ - ０：ランダムに配置されたカメラによる画像 - １：人が撮った画像からアバターを除いたもの
8. 8 評価関数の学習
9. 9 データセット Dataset 3Dシーン：約240シーン 3Dメタデータ： 合計約８０万件 ランダムデータ: 合計約８０万件 学習⽤画像約160万枚 Pretraining ImageNet-21k & ImageNet-1k Model MLP-Mixer, ViT
10. 10 価値関数の学習 ＊７５⼈, 性別: 男性60名, ⼥性14名, ⾮解答１名, 年齢32.1(± 4.3) 歳 ＊シーン数１０
11. 探索アルゴリズム
12. 12 カメラ座標のブラックボックス最適化 評価値を最⼤化したいが, レンダリング（カメラパラメータから画像を出⼒する写 像）は、⼀般には微分が提供されていないため, ブラックボックス最適化を⾏う. ブラックボックス関数がある程度連続であるとき, 連続補正付き⽊構造探索＆強化学 習により, 最⼤値を探索する. 階層的ブラックボックス最適化(Hierachical Optimial Optimization) [“X-armed bandits”, S.Bubeck et.al., J. Machine Learning Research (2011)] 平均スコア 探索バイアス項 連続バイアス項 訪問数 node depth node index
13. 13 階層的ブラックボックス最適化 平均スコア 探索バイアス項 連続バイアス項 訪問数 node depth node index 繰り返し 葉の展開 値更新 T=3 U=0.4 T=0 U=0.7 T=2 U=0.4 T=0 U=Inf T=0 U=Inf T=0 U=0.9 T=0 U=0.7 T=1 U=0.5 T=2 U=0.4 T=3 U=0.7 T=3 U=0.4 T=1 U=0.5 T=2 U=0.4 T=0 U=Inf T=3 U=0.4 T=3 U=0.7 T=0 U=0.9 葉の選択
14. 14 階層的ブラックボックス最適化 T=3 U=0.4 T=0 U=0.7 T=2 U=0.4 T=0 U=Inf T=0 U=Inf T=0 U=0.9 T=0 U=0.7 T=1 U=0.5 T=2 U=0.4 T=3 U=0.7 T=3 U=0.4 T=3 U=0.7 T=3 U=0.4 T=0 U=0.9 T=1 U=0.5 T=2 U=0.4 T=0 U=Inf 平均スコア 探索バイアス項 連続バイアス項 訪問数 node depth node index
15. 15 従来のHOOからの変更点 … X Y Z （１）空間分割方策：xyzの順に行わず、大きな 辺を優先して確率的に分割する: （２）各葉において、方向ベクトルをいくつかと り、その方向の画像の評価について最大値を葉 のスコアとする：
16. 16 探索の様⼦
17. 17 ⾃動撮影結果 clusterの3Dシーンで自動撮影アルゴリズムが撮ってきたスコア＞0.9の写真たち
18. 18 局所的⽅向探索：グリッドサーチ
19. 19 wandb usecase : Augmentation探索 価値関数学習⽤ハイパラサーチ: ImageNetとfine-tuning⽤の画像群のドメ インシフトを吸収するためdata augmentationの選択をsweepで⾏う。 program: train_world_images.py method: grid metric: goal: maximize name: eval_top1 parameters: rand-aug-n: values: - 5 rand-aug-m: values: - 8 - 9 …
20. 20 wandb usecase : 探索の並列化 探索アルゴリズムの並列化: 強化学習⽤のシミュレーターを複数台 ⽤意し、sweepをそれぞれ実⾏。並列処理 が可能。 program: train_agents.py method: grid metric: goal: maximize name: cumulative_max parameters: world-id: values: - 1 - 2 - 3 - 4 - 5 …
21. Understanding MLP-Mixer as a Wide and Sparse MLP with Ryo Karakida (AIST) ICML2024, arxiv:2306.01470
22. 22 MLP-Mixer: Attentionなくても性能がでる Tolstikhin, et al., 2021
23. 23 なぜ性能がでるのか？ 極めてスパースなMLPだから。ランダムにchannel/token軸いれかえてもOK。
24. 24 wandb usecase : imagenet学習での並列化 ImageNetでバッチサイズ4096, 32インス タンスで分散学習。 ただし、wandbにログを取るのは１イン スタンスだけにすることにより負荷軽減 program: train_imagenet.py method: grid metric: goal: maximize name: eval_accuracy parameters: dim: values: - 64 - 128 - 256 - 512 seed: …
25. Future Work
26. 26 Future Work Math x ML x VR メタバースのデータは 深層学習に、深層学 習はメタバースに、相 互に影響を与えること を期待 e.g. 自動撮影をサムネイ ル作成支援に応用, より広範な強化学習 , 自律 的Agent, ….