Kendaraan otonom harus mampu dengan cepat dan akurat mengidentifikasi objek yang ditemuinya, seperti truk pengantar barang yang diparkir di tikungan atau pengendara sepeda yang mendekati persimpangan. Untuk mencapai hal ini, mobil otonom mungkin menggunakan model visi komputer yang kuat untuk mengklasifikasikan setiap piksel dalam gambar pemandangan beresolusi tinggi, memastikan mereka tidak mengabaikan objek yang mungkin tertutup dalam gambar berkualitas rendah. Namun, tugas ini, yang dikenal sebagai segmentasi semantik, sangat kompleks dan memerlukan komputasi ekstensif, terutama dengan gambar beresolusi tinggi.

Menurut laporan media internasional, para peneliti dari Massachusetts Institute of Technology (MIT), MIT-IBM Watson AI Lab, dan institusi lain telah berkolaborasi untuk mengembangkan model visi komputer yang lebih efisien, sehingga secara signifikan mengurangi kompleksitas komputasi dari tugas yang disebutkan di atas. Model ini dapat melakukan segmentasi semantik secara real-time dan akurat pada perangkat dengan sumber daya perangkat keras terbatas, seperti komputer kendaraan terpasang, sehingga memungkinkan mobil otonom mengambil keputusan secara instan.
Model segmentasi semantik canggih saat ini dapat secara langsung mempelajari interaksi antara setiap pasangan piksel dalam sebuah gambar, yang berarti komputasinya tumbuh secara kuadrat seiring dengan meningkatnya resolusi gambar. Meskipun model tersebut sangat akurat, kecepatan pemrosesannya terlalu lambat untuk menangani gambar resolusi tinggi secara real-time di perangkat edge seperti sensor atau ponsel cerdas.

Para peneliti di MIT merancang komponen baru untuk model segmentasi semantik, yang memiliki kemampuan yang setara dengan model tercanggih dari jenisnya tetapi hanya mencapai kompleksitas komputasi linier dan memfasilitasi pengoperasian perangkat keras yang efisien.
Hasil kerja para peneliti adalah serangkaian model baru untuk visi komputer resolusi tinggi. Saat diterapkan pada perangkat seluler, model ini beroperasi 9 kali lebih cepat dibandingkan pendahulunya. Yang penting, dibandingkan dengan solusi alternatif, model baru ini mencapai akurasi yang serupa, bahkan lebih baik.
Teknologi ini tidak hanya dapat membantu mobil otonom dalam mengambil keputusan secara real-time, namun juga dapat meningkatkan efisiensi tugas visi komputer resolusi tinggi lainnya, seperti segmentasi gambar medis.





