Facebook、AIが著作権侵害を正確に識別できるようにソースデータ拡張ライブラリを公開: 100以上の拡張方法が提供される

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

わずかな変更でも AI モデルの堅牢性に影響を及ぼします。

AIの目から見ると、次の2つの写真は互いに何の関係もないように見えるかもしれません。

現在、 Facebook AI はデータ拡張用の新しい Python ライブラリAugLy をオープンソース化しました。

オーディオ、画像、ビデオ、テキストの4 つのモダリティをサポートし、入力コンテンツに対してさまざまな処理を実行できる100を超えるデータ拡張機能を提供します。

たとえば、テキストの大文字、フォント、エンコード方法を変更したり、テキストに句読点を追加したり、文字の位置を調整したり、タイプミスをシミュレートしたりします。

このプロジェクトは1.8k 個のスターを獲得し、GitHub のホット リストに掲載されています。

「スクリーンショット転送」をAIに認識させる

AugLy は、実際のネットワークにおける特定のデータ拡張をカバーし、モデルのトレーニングとテスト用のサンプルを作成することを目的としています。

AugLy は、Facebook や Instagram などのプラットフォームからの実際の画像や動画に基づいて、プロジェクトのすべてのデータを統合ライブラリと API で変換し、100 を超えるデータ拡張方法を提供します。

オーディオ、画像、ビデオ、テキストの 4 つのモダリティに対応する 4 つのサブライブラリが含まれています。

これらのサブライブラリには、関数ベースおよびクラスベースの変換、組み合わせ、適用されるメタデータとその強度を選択する機能が含まれます。

画像処理を例にとると、AugLy はトリミング、回転、ノイズの追加、ぼかし、グレースケールなどを行うことができます。

このような：

一部のネットユーザーは、「テキストモジュールは英語のみをサポートしていますか？」という疑問を提起しました。

AugLy の最大の特徴は、一般的な拡張機能を多数搭載していることに加え、 「インターネット ユーザー」型のデータ拡張機能を提供していることです。

たとえば、画像をスクリーンショットスタイルに変換すると、実際の生活で目にするものに近くなります。

AugLy データ拡張を使用して AI モデルをトレーニングします。内容は同じだが形式が異なるこの情報は、モデルの堅牢性を向上させるのに役立ちます。

コピー検出、音声検出、著作権侵害などのタスクでは、トレーニング後、AIはユーザーがアップロードしたコンテンツをより正確に識別できます。

さらに、AugLy は、モデルの堅牢性を評価するために Deepfake Detection Challenge で使用されています。

ネットユーザーの間で熱い議論

この新しい Python ライブラリはネットユーザーの注目も集め、Reddit で350 件を超える「いいね！」を獲得しました。

一部のネットユーザーは、「テキストモジュールは英語のみをサポートしていますか？」という疑問を提起しました。

熱狂的なネットユーザーはこう言った。

テキスト モジュールは主に nlpaug のラッパーであるように見えるため、AugLy はいくつかのパラメータを変更するだけで他の言語をサポートします。

一部のネットユーザーからは、なぜそれを直接 PyTorch に追加しないのかという質問もありました。

それに応えて、ある人がこう返信しました。

これによりインストールが非常に遅くなるため、必要な人は個別にインストールするだけで済みます。pytorch をこれほど肥大化させる必要はありません。

AugLy には Python 3.6 以降が必要です。これは pip を使用してインストールできます。ただし、仮想環境とシステム環境では、conda と sudo apt-get を使用して python-magic を別途インストールする必要もあります。

残念ながら、AugLyは現在バッチ画像の入力をサポートしていませんが、開発者は将来この機能が改善される予定であると述べています。