Twindesign / 123RF Twitter automatisk beskjæringsfunksjon fungerer som en tweets karaktergrense for å holde bilder på mikroblogg-plattformen i samsvar med resten av feedet - men nå blir Twitter bedre på disse avlingene, takket være kunstig intelligens. Twitter lanserer nå en smartere autoavling basert på nevrale nettverk, kunngjorde selskapet i et blogginnlegg 24. januar.
Den forrige funksjonen for automatisk beskjæring fungerte ved å bruke ansiktsgjenkjenning for å holde ansiktene i rammen. Når ingen ansikter ble oppdaget i bildet, ville programvaren ganske enkelt beskjære forhåndsvisningen i midten, mens et klikk på bildet slik at brukerne kunne se hele bildet. Twitter sier at beskjæringsalternativet uten ansikter ofte ville føre til vanskelige avlinger, mens programvaren noen ganger ikke identifiserte ansikter riktig.
For å fikse de vanskelig beskårne forhåndsvisningene brukte Twitter-ingeniører det som kalles fremtredende bildekart for å trene et nevralt nettverk. Fremtredende kart bruker øyesporere til å bestemme områdene i et bilde som mest fanger seerens øye. Tidligere forskning i området viste at seere har en tendens til å fokusere på ansikter, tekst, dyr, gjenstander og områder med høy kontrast.
Twitter brukte tidligere data for å trene programmet for å forstå hvilke områder av bildet som er de viktigste. Ved å bruke disse dataene kan programmet gjenkjenne disse funksjonene og lage den automatiske beskjæringen på et sted som vil etterlate de mest visuelle områdene inne i avlingen.
Men Twitter ble ikke gjort - selv om programvaren for effektivitet fungerer bra, er den også treg, noe som ville forhindret tweets i å bli lagt ut i sanntid. For å løse det vanskelige avlingsproblemet uten en avmatning, forbedret Twitter programmet på nytt ved å bruke to forskjellige teknikker som forbedret hastigheten ti ganger. Den første trente et mindre nettverk ved å bruke det første gode, men sakte programmet for å øke hastigheten på avlingene. Deretter bestemte programvareingeniørene et antall visuelle punkter for å kartlegge hvert bilde, og fjernet effektivt de mindre, mindre viktige visuelle signalene mens de største områdene ble beholdt.
Før 
Etter Den resulterende programvaren gjør at bilder kan legges ut i sanntid, men med bedre avlinger. I en gruppe før- og etterbilder viser Twitter bilder med ansikter som det tidligere systemet ikke ville oppdage riktig beskåret til ansikt i stedet for føtter. Andre eksempler viser bilder av gjenstander som ble kuttet ut i det første programmet fordi de ikke satt midt i bildet, men ble mer passende beskåret ved hjelp av oppdaterte algoritmer. Et annet eksempel viser at programmet gjenkjenner tekst og justerer avlingen slik at den inkluderer et tegn.
Den oppdaterte beskjæringsalgoritmen ruller allerede ut globalt på både iOS- og Android-apper samt Twitter.com.
