Cara Computer Vision Memperluas Pasar untuk Konten Kontributor Shutterstock

Cara Computer Vision Memperluas Pasar untuk Konten Kontributor Shutterstock. Dengan visi komputer, ribuan kontributor memiliki kesempatan untuk

Bagaimana Computer Vision Memperluas Pasar untuk Konten Kontributor

Lihat bagaimana model pembelajaran mesin pelatihan menyediakan kasus penggunaan baru untuk melisensikan citra visual.

Sejak didirikan, Shutterstock terus mengembangkan bisnisnya, menambahkan jenis konten baru (misalnya, video, musik, model 3D), solusi teknologi (misalnya, editor foto, pencarian lanjutan), dan memperluas bauran produknya untuk memenuhi kebutuhan baru. audiens (misalnya, usaha kecil/umkm, penghobi), sambil mengembangkan pasar dua sisi dan ruang lingkup peluang bagi kontributor.

Dengan peluncuran Shutterstock.AI, ini mengeksplorasi aplikasi baru yang menarik dari teknologi pembelajaran mesin AI. Kecerdasan buatan memperkuat teknologi pencarian di dalam shutterstock sendiri, memungkinkan pengunjung situs e-niaga untuk mengunggah foto dan menemukan gambar serupa di dalam perpustakaan (yaitu, pencarian gambar terbalik). Kami juga menggunakan AI untuk meningkatkan proses peninjauan konten manusia dan memproses jutaan kiriman kontributor secara efisien dalam seminggu. Dan sekarang, kami bermitra dengan perusahaan yang mengembangkan algoritme pembelajaran mesin untuk apa yang disebut aplikasi "visi komputer".

Apa itu visi komputer?

Computer vision adalah bentuk pembelajaran mesin yang melatih komputer untuk mengidentifikasi objek visual sebaik mata manusia. Misalnya, dengan visi komputer:

Mobil self-driving dapat beroperasi dengan aman dengan memahami lingkungan spesifik mereka, termasuk mobil lain, orang, jalan, dan rambu berhenti.

Perusahaan media sosial dapat dengan cepat mengidentifikasi, meninjau, dan menghapus konten yang tidak pantas atau ekstrem.

Orang dapat dengan mudah mencari gambar di perpustakaan smartphone mereka dengan memasukkan kata kunci seperti "kucing" atau "matahari terbenam" untuk menemukan semua foto yang relevan.

Visi komputer mengubah cara perusahaan beroperasi, membuat dunia lebih cerdas dan lebih aman, serta memajukan ruang lingkup kemungkinan manusia.

Mengapa perpustakaan Shutterstock.AI sangat ideal untuk melatih model visi komputer

Untuk melatih model visi komputer dengan presisi, perusahaan membutuhkan volume besar konten yang sangat spesifik dan metadata yang menyertainya.

Bayangkan, misalnya, seorang peneliti di sebuah perusahaan hipotetis mengembangkan teknologi untuk mobil self-driving. Untuk memastikan bahwa sebuah mobil dapat mengidentifikasi tanda berhenti setiap saat, mereka akan membutuhkan BANYAK foto tanda berhenti—dalam urutan ribuan.

Plus, mobil bergerak melalui dunia 3D. Jadi, selain gambar 2D, model objek dan lingkungan 3D bahkan dapat melatih mobil self-driving dengan lebih tepat untuk mengukur jarak dan dinamika spasial lainnya saat melaju di jalan dengan kecepatan 60+ mil per jam.

Terakhir, metadata, atau label deskriptif, yang terkait dengan gambar dan model 3D akan membantu algoritme komputer memproses dan menganalisis informasi visual dengan cepat. Metadata dapat mencakup informasi seperti judul aset, deskripsi, dan tujuh hingga lima puluh kata kunci. Dalam contoh mobil kami, label metadata gambar dapat menunjukkan jenis objek yang digambarkan ("pohon"), lokasinya di gambar ("kiri"), dan informasi deskriptif lainnya ("hijau").

Jadi, di mana perusahaan yang membutuhkan ribuan gambar tanda berhenti untuk melatih kendaraan otonom—atau sepatu merah untuk mengembangkan rekomendasi produk—menemukan konten berkualitas dan terindeks dengan volume besar seperti itu?

Shutterstock.AI, dengan perpustakaannya yang luas berisi 400 juta gambar, video, dan model 3D yang dibagikan oleh lebih dari 1,7 juta kontributor di seluruh dunia, menawarkan solusi ideal untuk perusahaan-perusahaan ini. Luasnya dan keragaman konten Shutterstock.AI membuatnya berlaku untuk berbagai kasus penggunaan, dan bahkan dapat membantu meminimalkan bias implisit saat melatih model pembelajaran mesin dengan memastikan bahwa algoritme dikembangkan dengan perspektif global.

Peluang bagi kontributor Shutterstock

Shutterstock.AI berada pada tahap awal untuk mengkomersilkan produk visi komputer atau “dataset”, yang terdiri dari kumpulan konten yang dikurasi dan file metadata terkaitnya. Baru hari ini, Shutterstock.AI mengumumkan bahwa mereka akan menawarkan set awal set data pelatihan di AWS Data Exchange, layanan yang memudahkan untuk menemukan, berlangganan, dan menggunakan data pihak ketiga di cloud.

Kumpulan data akan terdiri dari koleksi gambar dan model 3D untuk aplikasi e-niaga (misalnya, pakaian dan pakaian jadi, makanan dan minuman, furniture dan rumah), perjalanan dan pariwisata, kendaraan otonom (misalnya, keselamatan mobil yang dapat mengemudi sendiri, simulasi mengemudi), serta sebagai elektronik konsumen (misalnya rumah pintar, internet of things). Peluangnya sangat besar mengingat jangkauan AWS Data Exchange dan reputasi mereka sebagai pemimpin dalam layanan data.

Namun bukan hanya skala besar jaringan AWS yang membuat peluang ini menarik. Ini adalah cakupan konten Shutterstock yang dapat dimasukkan, dan jumlah kontributor Shutterstock yang dapat mengambil manfaat. Shutterstock selalu mencari cara untuk memberikan nilai lebih kepada lebih banyak kontributor dengan memperluas pasar untuk konten kontributor dan memperkenalkan aliran pendapatan baru. Sebagian besar konten berkualitas kurang dimanfaatkan, dan sebagian alasannya adalah karena model lisensi konten yang sempit untuk tujuan komersial dan artistik, vs. menangkap cakupan kasus penggunaan yang lebih luas untuk konten visual.

Visi komputer adalah salah satu kasus penggunaan yang lebih luas. Dalam banyak kasus, visi komputer bukan tentang menggunakan konten untuk tujuan artistik. Sebaliknya, model visi komputer membutuhkan ribuan gambar serupa dari berbagai sudut untuk dapat mengidentifikasi objek secara konsisten dan presisi. Itu berarti bahwa hampir seluruh perpustakaan Shuttersock dapat digunakan untuk melatih model pembelajaran mesin, termasuk konten yang secara tradisional tidak berkinerja baik melalui saluran e-niaga dan perusahaan yang ada. Akibatnya, hampir semua kontributor Shutterstock berpotensi mendapat manfaat dari peluang untuk menghasilkan pendapatan dari lisensi kumpulan data di atas pendapatan yang mereka hasilkan dari model lisensi tradisional melalui situs e-niaga dan kemitraan perusahaan kami.

Mengembangkan model lisensi baru dan melindungi kepentingan Anda

Visi komputer memerlukan jenis lisensi baru yang ditawarkan dengan harga yang konsisten dengan cara konten digunakan. Lisensi untuk kumpulan data visi komputer sangat terbatas. Perusahaan yang menggunakan kumpulan data Shutterstock.AI hanya dapat menggunakannya untuk melatih pembelajaran mesin dan model visi komputer. Mereka tidak dapat menggunakannya untuk aplikasi komersial atau publik, dan perusahaan diharuskan memiliki langkah-langkah keamanan yang sesuai untuk memastikan tidak ada distribusi konten yang tidak sah.

Saat shutterstock menguji coba produk baru ini, mereka berupaya mengembangkan model ekonomi yang adil dan perlindungan tambahan untuk melindungi kepentingan para kontributornya. Misalnya, shutterstock sangat menyadari kekhawatiran luas atas komersialisasi data dan telah bekerja dengan tim hukum kami untuk melindungi privasi dan keamanan data kontributor. Sementara karakteristik model demografis yang luas seperti usia, jenis kelamin, dan etnis dapat digunakan untuk melatih model visi komputer untuk aplikasi tertentu, identitas pribadi model dan kontributor—atau informasi apa pun yang dapat dengan mudah digunakan untuk mengidentifikasi mereka—tidak pernah dibagikan dengan organisasi mitra.

Kami juga mengembangkan cara baru untuk memberi kompensasi kepada kontributor untuk konten visi komputer. Pendekatan ini melampaui transaksi aset tunggal untuk mencakup badan kerja Anda yang lebih besar. Melalui struktur penyatuan baru, kami akan mengadakan bagi hasil dengan Anda di mana Anda akan memperoleh sebagian dari hasil dari semua penjualan computer vision. Daripada dibayar untuk setiap lisensi konten individu, kontributor akan menerima bagian dari total pendapatan yang dihasilkan yang sebanding dengan volume konten mereka yang termasuk dalam kemitraan visi komputer. Sementara kami masih mencari tahu seperti apa model yang tepat ini, kami berkomitmen untuk memastikan bahwa kontributor diberi kompensasi yang adil untuk penggunaan konten dan metadata mereka.

Visi komputer adalah teknologi baru yang menarik dengan potensi untuk mempengaruhi hampir setiap anggota komunitas Shutterstock. AWS hanyalah salah satu contoh layanan distribusi dengan jangkauan besar; perusahaan dari semua ukuran, dari raksasa industri hingga perusahaan rintisan teknologi, menggunakan visi komputer untuk berbagai aplikasi. Perusahaan e-niaga menggunakan visi komputer untuk membantu Anda menemukan produk terkait atau memvisualisasikan seperti apa tampilan furnitur di ruang tamu baru Anda. Perusahaan keamanan siber menggunakan visi komputer untuk mengembangkan alat yang lebih cerdas seperti CAPTCHA yang dapat mendeteksi penipuan dan mengecoh bot. Rumah sakit dan perusahaan perangkat medis menggunakan visi komputer untuk membantu dokter dalam menganalisis sinar-X dan pemindaian MRI untuk mengidentifikasi kelainan fisik. Rentang kemungkinan kasus penggunaan hampir tidak terbatas, dan kami baru berada di awal untuk mengeksplorasi potensi teknologi inovatif ini.

Dengan visi komputer, ribuan kontributor memiliki kesempatan untuk memperoleh pendapatan dari konten yang tidak terjual atau kurang terjual dan memperluas pendapatan mereka secara keseluruhan. Ini adalah aliran pendapatan yang benar-benar baru yang tidak memengaruhi penjualan konten Anda melalui salah satu e-niaga tradisional atau saluran perusahaan kami—ini hanya menambah bagian dari potensi pendapatan.

Shutterstock menghargai kesabaran Anda saat menguji coba program ini. Shutterstock berkomitmen untuk memberikan transparansi saat menyelesaikan model pendapatan dan struktur pembayaran, yang akan diluncurkan pada Q4 tahun 2021. Selama beberapa bulan ke depan, SS akan membagikan detail tambahan tentang model kumpulan pendapatan dan bagaimana penghasilan akan muncul di dasbor kontributor.

COMMENTS

Name

Footage,13,microstock,23,News,15,panduan,38,Perangkat,11,shutterstock,33,
ltr
item
Tutorial Microstock Shutterstock: Cara Computer Vision Memperluas Pasar untuk Konten Kontributor Shutterstock
Cara Computer Vision Memperluas Pasar untuk Konten Kontributor Shutterstock
Cara Computer Vision Memperluas Pasar untuk Konten Kontributor Shutterstock. Dengan visi komputer, ribuan kontributor memiliki kesempatan untuk
https://blogger.googleusercontent.com/img/a/AVvXsEiuw4SrV-JBwHrPRNT9WHcYrwGd0kaNyOW7tw4YiAABGfWyid-OVrZeV83JVrQtBpmjO-BOqsTHXRRJ28RxIJXTFkO_39xcdRSzbIThdl1wXBT_kn5bmHLpovwHOmQTsmGWwOMMmFH6T7eDFXnL9JAoH9KksqPNpMz35bbpQ2lT0lB2K-C-s00GA3N37A=w640-h366
https://blogger.googleusercontent.com/img/a/AVvXsEiuw4SrV-JBwHrPRNT9WHcYrwGd0kaNyOW7tw4YiAABGfWyid-OVrZeV83JVrQtBpmjO-BOqsTHXRRJ28RxIJXTFkO_39xcdRSzbIThdl1wXBT_kn5bmHLpovwHOmQTsmGWwOMMmFH6T7eDFXnL9JAoH9KksqPNpMz35bbpQ2lT0lB2K-C-s00GA3N37A=s72-w640-c-h366
Tutorial Microstock Shutterstock
https://www.microstockpix.com/2021/10/cara-computer-vision-memperluas-pasar.html
https://www.microstockpix.com/
https://www.microstockpix.com/
https://www.microstockpix.com/2021/10/cara-computer-vision-memperluas-pasar.html
true
1561193472682183279
UTF-8
Loaded All Posts Not found any posts VIEW ALL Readmore Reply Cancel reply Delete By Home PAGES POSTS View All RECOMMENDED FOR YOU LABEL ARCHIVE SEARCH ALL POSTS Not found any post match with your request Back Home Sunday Monday Tuesday Wednesday Thursday Friday Saturday Sun Mon Tue Wed Thu Fri Sat January February March April May June July August September October November December Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec just now 1 minute ago $$1$$ minutes ago 1 hour ago $$1$$ hours ago Yesterday $$1$$ days ago $$1$$ weeks ago more than 5 weeks ago Followers Follow THIS PREMIUM CONTENT IS LOCKED STEP 1: Share to a social network STEP 2: Click the link on your social network Copy All Code Select All Code All codes were copied to your clipboard Can not copy the codes / texts, please press [CTRL]+[C] (or CMD+C with Mac) to copy