주식회사 지능디자인은 인공지능, 클라우드, 빅데이터 영역에서 사업을 진행하고 있습니다.
Intelligence Design, Inc. carries out research on intelligence to better understand the computational selves and to create spaces of practical applications.
We are interested in the following topics:
Automatic Choreography Generation
Dancing along music is a highly cognitive human behavior. We are interested in creating dancing machines that learn dancing from motion and music pairs. Figuring out what dancing is to human in the first place is very crucial before we develop any machine learning technologies and this teaches us more about natural intelligence. This research initiative has won the 2019 AWS Machine Learning Research Awards.
Anomaly Detection
We are interested in anomaly detection on time-series data such as vibrations that come from for example city trains and factory machines. We hear much demand of anomaly detection applications from the industrial sector. However, we normally miss anomaly data since it’s very difficult to obtain which makes the problem more interesting.
AI and Art
We attempt creating artworks using AI. We develop robot performances and exhibitions that use technology. Interactive and intelligent works of art must be a new frontier of both technology and art.
Novel Robots and Embodied Computation
Body structure and the composition of material affect the intelligence of a robot. Thus, body must be a crucial element of a robotic agent. The apps running only in any computer cannot claim the role of body for intelligence. However, when intelligence possess body like robots, they write different story. We seek clever use of body for intelligence robots. We agree that the statement: “function follows form” and claim that intelligent robots are intelligent sculptures.
Graph Generative Adversarial Imitation Learning for Choreography Generation from Music
개요
춤은 고도로 인지적인 인간 행동이기 때문에 음악에 맞춰 춤 동작을 생성하는 방법을 배우는 것은 매혹적인 AI 도전이라고 주장됩니다. 우리는 인간이 새로운 춤을 배울 때 똑같이 하는 것처럼 음악에서 안무를 생성하는 기계 학습 프로젝트를 제안합니다. 고려해야 할 많은 잠재적인 머신 러닝 접근 방식 중에서 GGAIL (Graph Generative Adversarial Imitation Learning) 모델을 제안합니다. GNN (Graph Neural Network)을 활용하여 복잡하고 높은 차원적인 춤 동작. 이 작업에서 GNN은 개별 관절 수준과 에이전트 전체에서 안무 동작의 복잡한 역학을 발생시킵니다. 훈련 데이터는 오픈 소스 3D 포즈 추정 도구를 사용하여 Youtube 동영상에서 K-Pop (Korean Pop Music)에서 골격 데이터를 추출합니다. 모델 트레이닝을 위해 해당 음악과 함께 최소 100 개의 댄스 데이터를 수집합니다. GGAIL 에이전트가 주어진 댄스 음악 관계를 어떻게 수행하는지 관찰 할 것입니다. 생생하고 세련된 퍼포먼스를 보여줄 에이전트를 기대합니다. 우리의 장기적인 목표는 사용자가 제공 한 음악에서 예술적인 안무를 제안하는 서비스를 구축하는 것입니다.