Visage Technologies, švedsko-hrvatska kompanija koja se bavi računalnim vidom odnosno algoritmima koji omogućuju računalima da pomoću obrade slika i videa interpretiraju svijet, predstavio je nedavno svoj novi proizvod Arbelle, brend koji pomoću proširene stvarnosti (augmented reality, AR)) pruža interaktivno iskustvo isprobavanja odnosno testiranja kozmetičkih proizvoda. Ukratko, radi se o virtualnom isprobavanju šminke, koji spaja proširenu stvarnost i umjetnu inteligenciju, ispričao je za Lider Gordan Kreković, direktor Visage Technologiesa.
– Arbelle je naš novi brend s kojim smo krenuli ove godine. Naime, odlučili smo, uz naš postojeći proizvod u Face Technology diviziji koji je primjenjiv u različitim industrijama, ponuditi tržištu i specijalizirano rješenje za kozmetičku industriju. Kako bismo lakše prenijeli vrijednosti i karakter tog proizvoda te komunikaciju prilagodili užoj skupini ciljanih kupaca, odlučili smo se za novi brend. Iako je sve krenulo od rješenja za virtualno isprobavanje šminke, ideja je šira od toga. Cilj je upogoniti AI algoritme da omoguće personalizirano i realistično iskustvo koje uključuje preporuke proizvoda i to na temelju informacija očitanih iz lica poput nijanse tona kože – istaknuo je Kreković i dodao da njihovu tehnologiju već koristi City Lab Cosmetics koji svojim kupcima omogućuje da sami dizajniraju ruž za sebe.
Naime, nove tehnologije itekako su ušle u tržište kozmetike koje je vrlo transformativno i obilježeno integracijom proširene stvarnosti (AR), a Arbelle je zamišljen kao najsuvremenije virtualno rješenje za isprobavanje šminke.
Visage Technologies su 2002. godine u Švedskoj osnovali dvojica znanstvenika Jörgen Ahlberg i Igor Pandžić, a širenje kompanije koja se bavila razvojem računalnog vida je započelo u zagrebačkom uredu.
Visage Technologies inače ima dvije divizije – Face Technology diviziju i Automotive diviziju. Face Technology divizija, koja je razvila Arbelle, inače razvija vlastiti proizvod za analizu ljudskog lica kojeg klijenti koriste u različitim industrijskim rješenjima, ne samo u kozmetičkoj industriji. Na primjer, ta se tehnologija koristi za nadzor umora vozača u automobilima, za isprobavanje virtualnih naočala, itd.
– Imamo tristotinjak klijenata iz cijeloga svijeta, a naš se proizvod nalazi u digitalnim reklamama velikih brendova poput Coca Cole, Lufthanse i Škode dajući korisnicima mogućnost interakcije sa sadržajem reklame, nalazi se u zabavnim aplikacijama McDonald’sa i Disneylanda, nalazi se u pametnim zrcalima, u robotima Engineered Arts i Spoon, u rješenjima za analizu zdravstvenih pokazateljima kakvo razvija NuraLogix, te u naprednim proizvodima za marketinška istraživanja, kao i u proizvodima za automobilsku industriju. To su samo neki od primjera u nizu različitih primjena – naveo je već prije Kreković.
Njihova Automotive divizija nastala je u svrhu ekskluzivne suradnje s jednom velikom američkom tehnološkom kompanijom za koju razvijaju algoritme računalnog vida. Specifično, fokusirani su na algoritme za primjenu u automobilima koji detektiraju i prate sve što se nalazi ispred automobila (druge sudionike u prometu, elemente prometne infrastrukture, prometnu signalizaciju, različite objekte, itd.). Primjena je u funkcionalnostima podrške vozaču (npr. održavanje prometne trake), aktivnoj sigurnosti (npr. automatsko sigurnosno kočenje za prevenciju sudara) te na određenim razinama autonomne vožnje, često u kombinaciji s drugim tehnologijama. Ranije verzije tehnologije koju razvijaju nalaze se u brojnim modelima poput Mercedesa A-klase, električnog Volva XC40, Polestar 2 te Mercedesa S klase.
Vezano uz pitanje o funkcioniranju tehnologije, Kreković odgovara da se računalni vid danas snažno oslanja na duboko učenje. Algoritmi dubokog učenja koriste principe umjetnih neuronskih mreža koje imaju sposobnost ‘učiti‘ iz podataka. Primjerice, ako želimo razviti algoritam koji prati šarenicu u ljudskom oku (kako bismo znali odrediti smjer pogleda ili pak promijeniti boju šarenice u svrhu virtualnog isprobavanja leća koje mijenjaju boju oka), nabavit ćemo i označiti desetke tisuće slika na temelju kojih će algoritam poboljšavati svoju uspješnost praćenja šarenice.
– Osim dubokog učenja, koristimo i druge metode iz matematike i računarske znanosti poput teorije estimacije, geometrije, pred-obradbe slike i računalne grafike. Dodatni je izazov takvu tehnologiju prilagoditi da efikasno radi na računalima s ograničenim računalnim i memorijskim kapacitetom poput ugradbenih sustava u automobilima i robotima. Automobilska industrija također zahtijeva vrlo visoke standarde sigurnosti – objasnio je Kreković.