AI應用技術
影像辨識，分類模型　　

技術應用領域
汽車零件再製造工廠　　

應用名稱
透過生成式AI產生大量的影像分類學習資料，實踐現實空間零樣本學習，使用者只需要針對每個目標類別收集一份設計圖樣態檔案，以汽車傳動箱為例，再製造工廠可以針對符合產線需求的二手零件材進行3D掃描，假設有3種傳動箱可當作材料，那工廠只需要進行3次掃描就可完成資料蒐集。本專案開發的生成式AI可以和分類器直接串接，訓練過程中除了優化分類器以外，也可以同時優化生成器的參數，產生更多有助於分類器辨識不同類別影像的訓練集。透過執行客戶專案同時，我們可以獲得客戶掃描的汽車零件，驗證生成式AI的效能，完成的預訓練模型專屬於客戶，但是完成驗證後的設計圖學習方法可以屬於我們，只要其它廠域能提供3D掃描檔都能使用我們的大影像模型客製化和預訓練服務。　　

應用描述
汽車零件再製造工廠每年要生產的型號會跟著二手市場變化，以傳動箱來說，市面上最常見的二手零件不會超過500種，但每年都會淘汰最老的50種，同時增加新的50種。如果將每個零件拿去不同角度和不同背景拍攝，每種傳動箱大約要拍攝1000張訓練張影像，要讓傳統的物件分類AI持續每年學習，每年都要準備50000張訓練影像，透過生成式AI，客戶願意每年針對50種零件掃描建模，訓練出來的辨識器可以幫助再製造工廠辨識現場的原料，協助原料管控同時，也可以降低採購在零售商的溝通成本。　　

運用技術
生成式影像分類AI　　

效益
1. 平台使用費(Training on demand) 提供3D模型AI訓練平台，讓使用者可以上傳自己的3D檔，線上建立一個輕量模型，支援類別數少，可作為概念性驗證。 2. 客製化預訓練模型(AI ODM) 當目標類別數增加，AI模型的複雜度也會增加，在平台上訓練成本增加。我們可以接受委託，依據客戶提供的資料樣態，從我們影像生成AI模組中客製化最適合應用場域的分類AI，並且完成預訓練模型。 3. App訂閱(Inference for subscribed users) 完成大影像模型預訓練，效能符合客戶場域應用後，客戶可以訂閱我們的App，在訂閱期間內進行推論，並將資料整合進訓練平台，可持續訓練AI。　　

應用/研究單位
BerkeleyStandard　　

連繫窗口
王定遠 先生 02-2341-0294 ting-yuan.wang@vizuro.com