L'IA générative change l'avenir de la vision par ordinateur

L'IA générative est une branche de l'intelligence artificielle (IA) qui crée de nouveaux contenus, tels que des images, du texte ou de l'audio, en apprenant des modèles à partir de données existantes. Grâce à des avancées récentes, elle peut désormais être utilisée pour produire un contenu hautement réaliste qui imite souvent la créativité humaine.

Cependant, l'impact de l'IA générative va au-delà de la simple création de contenu. Alors que les modèles de vision par ordinateur en temps réel tels que les Ultralytics YOLO models continuent d'évoluer, l'IA générative redéfinit également la façon dont les données visuelles sont traitées et augmentées, ouvrant la voie à des applications innovantes dans des scénarios du monde réel.

Ce nouveau tournant technologique a été un sujet de conversation intéressant lors de YOLO Vision 2024 (YV24), un événement hybride annuel hébergé par Ultralytics. YV24 a réuni des passionnés d'IA et des leaders de l'industrie pour discuter des dernières avancées en matière de computer vision. L'événement s'est concentré sur l'innovation, l'efficacité et l'avenir des solutions d'IA en temps réel.

L'un des temps forts de l'événement a été une table ronde sur YOLO in the Age of Generative AI. Le panel comprenait Glenn Jocher, fondateur et PDG d'Ultralytics, Jing Qiu, ingénieur senior en apprentissage automatique chez Ultralytics, et Ao Wang de l'Université de Tsinghua. Ils ont exploré comment l'IA générative influence la vision par ordinateur et les défis liés à la construction de modèles d'IA pratiques.

Dans cet article, nous revisiterons les idées clés de leur discussion et examinerons de plus près comment l'IA générative transforme la Vision AI.

Développer les modèles Ultralytics YOLO#

Aux côtés de Glenn Jocher, de nombreux ingénieurs qualifiés ont joué un rôle essentiel dans le développement des modèles Ultralytics YOLO. L'un d'eux, Jing Qiu, a raconté ses débuts inattendus avec YOLO. Il a expliqué que sa passion pour l'IA a commencé pendant ses années d'université. Il a consacré beaucoup de temps à explorer et à apprendre sur le domaine. Jing Qiu s'est rappelé comment il a pris contact avec Glenn Jocher sur GitHub et s'est impliqué dans divers projets d'IA.

Ajoutant aux propos de Jing Qiu, Glenn Jocher a décrit GitHub comme "un moyen incroyable de partager - où des personnes que tu n'as jamais rencontrées se réunissent pour s'entraider, contribuant au travail des uns et des autres. C'est une communauté formidable et un excellent moyen de commencer en IA."

Fig 1. Glenn Jocher et Jing Qiu s'exprimant sur scène lors du YV24.

L'intérêt de Jing Qiu pour l'IA et son travail sur Ultralytics YOLOv5 ont contribué à affiner le modèle. Plus tard, il a joué un rôle clé dans le développement de Ultralytics YOLOv8, qui a apporté de nouvelles améliorations. Il a décrit cela comme un voyage incroyable. Aujourd'hui, Jing Qiu continue d'améliorer et de travailler sur des modèles comme Ultralytics YOLO11.

YOLOv10 : Optimisé pour des performances dans le monde réel#

Rejoignant la table ronde à distance depuis la Chine, Ao Wang s'est présenté comme doctorant. Au départ, il étudiait le génie logiciel, mais sa passion pour l'IA l'a poussé à s'orienter vers la vision par ordinateur et l'apprentissage profond.

Sa première rencontre avec le célèbre modèle YOLO s'est produite alors qu'il expérimentait diverses techniques et modèles d'IA. Il a été impressionné par sa vitesse et sa précision, ce qui l'a inspiré à approfondir computer vision tasks telles que la détection d'objets. Récemment, Ao Wang a contribué à YOLOv10, une version récente du modèle YOLO. Ses recherches se sont concentrées sur l'optimisation du modèle pour le rendre plus rapide et plus précis.

La différence clé entre l'IA générative et la Vision AI#

Ensuite, le panel a commencé à discuter de l'IA générative, et Jing Qiu a souligné que l'IA générative et la Vision AI ont des objectifs très différents. L'IA générative crée ou génère des choses comme du texte, des images et des vidéos, tandis que la Vision AI analyse ce qui existe déjà, principalement des images.

Glenn Jocher a souligné que la taille est aussi une grande différence. Les modèles d'IA générative sont massifs, contenant souvent des milliards de paramètres - des réglages internes qui aident le modèle à apprendre à partir des données. Les modèles de vision par ordinateur sont beaucoup plus petits. Il a déclaré : « Le plus petit modèle YOLO que nous ayons est environ mille fois plus petit que le plus petit LLM [Large Language Model]. Soit 3 millions de paramètres contre trois milliards. »

Fig 2. La table ronde sur l'IA générative et la Vision AI lors du YV24.

Jing Qiu a ajouté que les processus de training et de déploiement de l'IA générative et de la vision par ordinateur sont également très différents. L'IA générative nécessite d'immenses serveurs puissants pour fonctionner. Les modèles comme YOLO, en revanche, sont conçus pour l'efficacité et peuvent être entraînés et déployés sur du matériel standard. Cela rend les modèles Ultralytics YOLO plus pratiques pour une utilisation réelle.

Bien qu'ils soient différents, ces deux domaines commencent à s'entremêler. Glenn Jocher a précisé que l'IA générative apporte de nouvelles avancées à la Vision AI, rendant les modèles plus intelligents et plus efficaces.

L'impact de l'IA générative sur la vision par ordinateur#

L'IA générative a progressé rapidement, et ces percées influencent de nombreux autres domaines de l'intelligence artificielle, y compris la vision par ordinateur. Ensuite, passons en revue quelques idées fascinantes du panel à ce sujet.

Les avancées matérielles permettent des innovations en IA#

Au début de la table ronde, Glenn Jocher a expliqué que les idées d'apprentissage automatique existent depuis longtemps, mais que les ordinateurs n'étaient pas assez puissants pour les concrétiser. Les idées d'IA avaient besoin d'un matériel plus performant pour devenir réalité.

L'essor des GPU (Graphics Processing Units) au cours des 20 dernières années, avec leurs capacités de traitement parallèle, a tout changé. Ils ont rendu l'entraînement des modèles d'IA beaucoup plus rapide et efficace, ce qui a permis à l'apprentissage profond de se développer à un rythme rapide.

De nos jours, les puces d'IA telles que les TPUs (Tensor Processing Units) et les GPU optimisés consomment moins d'énergie tout en gérant des modèles plus grands et plus complexes. Cela a rendu l'IA plus accessible et plus utile dans les applications du monde réel.

Avec chaque nouvelle amélioration matérielle, les applications d'IA générative et de vision par ordinateur deviennent plus puissantes. Ces avancées rendent l'IA en temps réel plus rapide, plus efficace et prête à être utilisée dans davantage d'industries.

Comment l'IA générative façonne les modèles de détection d'objets#

Interrogé sur la façon dont l'IA générative influence la vision par ordinateur, Jing Qiu a déclaré que les transformers - des modèles qui aident l'IA à se concentrer sur les parties les plus importantes d'une image - ont transformé la façon dont l'IA comprend et traite les images. La première grande étape a été DETR (Detection Transformer), qui a utilisé cette nouvelle approche pour la détection d'objets. Il a amélioré la précision mais a présenté des problèmes de performance qui l'ont rendu plus lent dans certains cas.

Pour résoudre ce problème, les chercheurs ont créé des modèles hybrides comme RT-DETR. Ces modèles combinent les réseaux de neurones convolutifs (CNN, qui sont des modèles d'apprentissage profond qui apprennent et extraient automatiquement les caractéristiques des images) et les transformers, équilibrant vitesse et précision. Cette approche exploite les avantages des transformers tout en rendant la détection d'objets plus rapide.

Il est intéressant de noter que YOLOv10 utilise des couches d'attention basées sur les transformers (des parties du modèle qui agissent comme un projecteur pour mettre en valeur les zones les plus importantes d'une image tout en ignorant les détails moins pertinents) pour booster ses performances.

Ao Wang a également mentionné comment l'IA générative change la façon dont les modèles sont entraînés. Des techniques comme le masquage d'image aident l'IA à apprendre à partir d'images plus efficacement, réduisant ainsi le besoin de grands ensembles de données étiquetés manuellement. Cela rend l'entraînement en vision par ordinateur plus rapide et moins gourmand en ressources.

L'avenir de l'IA générative et de la Vision AI#

Une autre idée clé discutée par le panel était la façon dont l'IA générative et la Vision AI pourraient se rejoindre pour construire des modèles plus performants. Glenn Jocher a expliqué que même si ces deux approches ont des forces différentes, les combiner pourrait ouvrir de nouvelles possibilités.

Par exemple, les modèles de Vision AI comme YOLO découpent souvent une image en grille pour identifier les objets. Cette méthode basée sur une grille pourrait aider les modèles de langage à améliorer leur capacité à identifier les détails et à les décrire - un défi auquel de nombreux modèles de langage sont confrontés aujourd'hui. En substance, la fusion de ces techniques pourrait conduire à des systèmes capables de détecter avec précision et d'expliquer clairement ce qu'ils voient.

Fig 3. L'avenir de l'IA générative et de la Vision AI. Image de l'auteur.

Points clés#

L'IA générative et la vision par ordinateur progressent ensemble. Alors que l'IA générative crée des images et des vidéos, elle améliore également l'analyse d'images et de vidéos en apportant de nouvelles idées innovantes qui pourraient rendre les modèles de Vision AI plus précis et efficaces.

Dans cette table ronde perspicace du YV24, Glenn Jocher, Jing Qiu et Ao Wang ont partagé leurs réflexions sur la façon dont ces technologies façonnent l'avenir. Avec un meilleur matériel informatique pour l'IA, l'IA générative et la Vision AI continueront d'évoluer, menant à des innovations encore plus grandes. Ces deux domaines travaillent ensemble pour créer une IA plus intelligente, plus rapide et plus utile pour la vie quotidienne.

Rejoins our community et explore notre GitHub repository pour en savoir plus sur la vision par IA. Découvre our licensing options pour lancer tes projets de vision par ordinateur. Intéressé par des innovations telles que AI in manufacturing ou computer vision in self-driving ? Visite nos pages de solutions pour en découvrir davantage.