Множество компаний используют компьютерное обучение для маркировки и поиска визуального контента. Pinterest позволяет найти визуально похожие изображения для того, чтобы найти похожий по фото рецепт или одежду, даже PornHub использует машинное обучение для автоматической идентификации порнозвезд в видео. Однако компания Stock Shutterstock разработала одну из самых новых реализаций такого рода технологий: использование машинного обучения для определения макета изображений.

Новый инструмент, запущенный сегодня, находится на тестовом сайте компании Shutterstock Labs. Вы можете искать различные элементы, а затем перемещать значки, чтобы указать, где вы хотите, чтобы они отображались на изображении. Вы также можете указать, где вы хотите оставить пустое пространство - идеально подходит для дизайнеров, которые ищут конкретный макет и место для размещения текста.

Основываясь на опыте с этой бета-версией, этот инструмент является быстрым и хорошо разработанным, но не всегда полезным. Найти фотографии вина и сыра, расположенные по-разному на столе, прекрасно, но нет способа указать более сложные композиции, в том числе любые композиции с 3D-пространством. Кроме того, перемещение значков только одним касанием влево или вправо иногда приводит к совершенно другим результатам.

Интересно, что Shutterstock в своем пресс-релизе отмечает, что он не собирался разрабатывать алгоритмы для категоризации пространственных механизмов, а только для распознавания объектов. Информация о макете была просто зачеркнута как часть анализа, а позже была определена как полезная категория информации. Это хороший пример того, как такое машинное обучение может доставлять улучшения для пользователей, которые не очень интересны, но, по крайней мере, очень полезны.