– Каким было ваше детство и были ли в нем предпосылки вашего научного будущего?
– Когда я учился в школе, мыслей о науке у меня не было. Родители тоже в ней не работали. Папа работает на «Волгабурмаше» заместителем начальника электроцеха, а мама – специалист по учету и инвентаризации имущества. После 9-го класса пришло понимание, что я хочу учиться на 6-м факультете тогда еще «аэрокоса» и стать программистом. В целом все получилось. После третьего курса я стал работать в IT-компании и получать за эти деньги. Чуть раньше меня стали посещать мысли о том, что было бы здорово не покидать университет и остаться в нем преподавать. Мне хотелось сделать обучение и жизнь студентов лучше и интереснее, стать молодым преподавателем-практиком, который работает в этой индустрии и потому дает актуальные знания. Чтобы добиться каких-то успехов в университете, нужно было заниматься научной работой. И вот меня уже окружили люди, которые помогли с первыми научными изысканиями. Вот так я и пришел к науке – окольными путями, через другие цели.

– Где вы получили среднее образование? Как школа повлияла на выбор жизненного пути?
– Я сменил две школы. Дольше всего учился в 81-й в Самаре. Сменил потому, что хотел окончить ту школу, в которой меня лучше подготовят к вступительным экзаменам. А на выбор жизненного пути всё-таки больше повлиял университет и его преподаватели.

– Как проходила ваша учеба в Самарском университете?
– Я был отличником и много занимался внеучебной деятельностью. Был старостой группы, помогал деканату и всему факультету. Возможно, это тоже повлияло на мое решение остаться в университете. В то время большинство вещей мне приходилось узнавать самому и делать их самостоятельно. Теперь я хочу сам стать наставником для молодых, компенсировать то, чего не было у меня, – человека, который бы мотивировал на научную активность, например, отправлял участвовать в конкурсах и конференциях, рассказывал о возможностях, которые есть у студентов. Потому что чем раньше вы начнёте этим заниматься, тем быстрее сможете добиться успехов, которые потом сможете, возможно, монетизировать.

– Когда вы впервые подошли к мысли о разработке «нейросетевого рентгена»?
– Это не первое мое научное изыскание. В какой-то момент пришло сознание, что нужно заниматься кандидатской диссертацией. Примерно полтора года назад мы с моим научным руководителем Александром Викторовичем Куприяновым, доктором технических наук, начали копать эту предметную область, было интересно, какие есть проблемы в компьютерном зрении и как их можно решить. Так и пришли к этой теме. От первых мыслей до получения первых результатов прошло где-то месяцев семь. Это очень быстро, и это, несомненно, успех!

– Расскажите о своей разработке: какие возможности она открывает и в каких сферах может применяться?
– Я научил нейросети определять объект и находить его ключевые точки – аналогично тому, как сегодня распознаются суставы человека на рентгене, – даже если часть объекта скрыта, освещена неравномерно или находится в тени. Технологию можно применять в разных областях, но особенно востребована она в медицине и робототехнике. Большинство существующих решений либо работают медленно, либо требуют дорогостоящих сенсоров, либо просто не справляются, когда объект на фото частично закрыт. Следующий шаг в этом направлении – восстановление положения объекта в пространстве. Для этого я доработал классический алгоритм Perspective-n-Point (PnP), научив его игнорировать недоступные или закрытые точки. В отличие от стандартных решений, эта версия алгоритма работает быстрее и надёжнее, даже если видно всего половину объекта.

– Объясните, как именно тут работает искусственный интеллект?
– Отдельное внимание я уделил обучению нейросети. Вместо трудоёмкой ручной разметки я создал генератор синтетических изображений. Он берёт 3D-модель и сам «фотографирует» её с разных ракурсов, при разном освещении, с бликами, шумами и даже с виртуальными препятствиями, частично закрывающими объект. При этом программа автоматически размечает, где находятся границы и ключевые точки, – всё без участия человека. Благодаря этому удалось быстро обучать систему на любых объектах: нужно просто загрузить их модель в генератор. Чтобы система работала стабильно с самыми разными формами, я предложил единый подход к разметке ключевых точек. Например, всегда отмечаются одни и те же углы, центры отверстий или характерные элементы. Такой «язык точек» делает нейросеть более устойчивой и позволяет обрабатывать даже незнакомые формы без потери точности. В результате получилась система, которая работает в реальном времени – до 82 кадров в секунду на одной видеокарте. Даже если объект закрыт на 25–50%, система точно определяет его положение и ориентацию. При этом не нужны ни спецсенсоры, ни сканеры – только обычная камера.

– Что вас больше всего привлекает в науке?
– Множество возможностей и поддержка молодых ученых. На самом деле наука – это не всегда что-то сложное. Иногда это решение какой-то простой задачи. Когда первокурсники спрашивают меня, какую научную тему им взять, я спрашиваю их про любимое дело, какие есть в нем проблемы. И эту проблему можно представить как постановку научной задачи. Это и есть наука – мы находим проблему и стараемся ее решить так, как раньше не решали.

– Что, на ваш взгляд, отличает современных молодых ученых от ученых старшего поколения?
– Между ними, конечно, есть разрыв. У молодых ученых есть синдром самозванца, мы знаем, что разбираемся в науке меньше, не так фундаментально, как наши взрослые коллеги. Но зато мы готовы на смелые эксперименты. Раньше люди не делали что-то в науке, думая, что это, например, неэтично или несерьезно. А молодые ученые ленивы и готовы решать задачи самым простым способом и находить такие решения, которые, возможно, более опытные ученые даже не рассмотрели бы. И это работает! Не всегда нужно что-то усложнять. То есть мы, на мой взгляд, больше «прикладники», чем фундаменталисты.

Суть разработки самарского инженера состоит в том, что с помощью обычной RGB-камеры можно сфотографировать предмет и получить точную его 3D-модель, даже если часть предмета скрыта от наших глаз.

Материал подготовлен при поддержке Минобрнауки России в рамках Десятилетия науки и технологий.