Prepoznati stolicu na fotografiji jedna je zadaća. Razumjeti koliko je udaljena, što se nalazi iza nje i kako će izgledati iz drugog kuta mnogo je zahtjevnije. Sanja Fidler radi na istraživanjima koja umjetnu inteligenciju približavaju upravo takvom razumijevanju prizora.
Fidler je potpredsjednica AI istraživanja u NVIDIA-i i vodi Spatial Intelligence Lab u Torontu. Istodobno je izvanredna profesorica na Sveučilištu u Torontu te suosnivačica i pridružena istraživačica instituta Vector. Njezina se karijera tako odvija između akademskog istraživanja i razvoja u jednoj od središnjih kompanija AI industrije.
Put iz Ljubljane prema računalnom vidu
Doktorat iz računalnih znanosti završila je na Sveučilištu u Ljubljani 2010. godine. Uslijedio je poslijedoktorski rad u Torontu, a zatim istraživački i nastavni rad na Toyota Technological Instituteu u Chicagu, prije nastavka karijere u Kanadi.
Njezina područja uključuju trodimenzionalni računalni vid, simulaciju za robotiku, interaktivno označavanje podataka i multimodalne prikaze. Zajednička im je potreba da računalo iz slike ili drugih ulaznih podataka izdvoji strukturu korisnu za daljnji rad.
U tome je važan i manje vidljiv dio AI razvoja: priprema podataka. Primjerice, za učenje prepoznavanja objekata potrebno je odrediti što se na slici nalazi i gdje završavaju njegove granice. Fidler je među autorima rada o poluautomatskom označavanju objekata koji je na CVPR-u 2017. dobio počasno priznanje za najbolji rad.
Zašto video treba pamtiti prostor
Jedan od preglednih primjera njezina novijeg rada je GEN3C, predstavljen na CVPR-u 2025. Fidler je dio šire autorske skupine koja je povezala generiranje videa s trodimenzionalnim prikazom prizora.
Problem je lako zamisliti. Kamera se pomakne oko stola, a predmet koji je prije bio na njemu promijeni oblik ili nestane. Video može izgledati uvjerljivo u pojedinom kadru, ali ne sačuvati isti prostor kroz vrijeme.
GEN3C koristi trodimenzionalnu predmemoriju prizora, izvedenu iz procjene dubine slika, kako bi generiranje novih kadrova bolje pratilo zadano kretanje kamere. Istraživačka stranica prikazuje i primjere promjene pogleda u simulacijama vožnje.
To je istraživački doprinos određenom problemu, s vlastitim postupkom i ograničenjima. Njegovu važnost najlakše je razumjeti kroz ono što omogućuje proučavati: kako generirati drukčiji pogled na prizor, a pritom sačuvati odnose među objektima.
Aktualni fokus: modeli fizičkog svijeta
U programu Actuate 2026 Fidler govori o razvoju fizičkog AI-ja uz modele svijeta, prostornu inteligenciju i simulaciju. Takvi modeli pokušavaju prikazati i predvidjeti promjene u okruženju, što je važno za razvoj sustava koji trebaju djelovati u prostoru.
Za robotiku simulacija pruža mjesto na kojem se mogu proučavati različiti prizori i uvjeti prije rada sa stvarnim strojem. Uvjerljiva računalna scena ipak mora zadržati osobine važne za zadatak: izgled poda nije dovoljan ako su raspored prepreka ili ponašanje predmeta pogrešni.
Fidler je za regionalnu AI scenu zanimljiva i zbog puta iz Ljubljane do tih istraživačkih središta. Njezin rad pokazuje koliko se današnji razvoj oslanja na spoj matematike, računalnog vida, grafike i suradnje velikih timova. Iza demonstracije stroja koji „vidi” nalazi se dug posao pretvaranja prizora u podatke s kojima se može pouzdano raditi.
Izvori
NVIDIA Research — biografija i istraživačka područja
University of Toronto — službena osobna stranica
GEN3C — istraživanje predstavljeno na CVPR-u 2025.
Actuate 2026 — Advancing Physical AI with World Models
Fotografija: Gabriel Hutchinson / Wikimedia Commons · CC BY-SA 4.0 (izrez).
