阿里、微軟“看圖說話”AI系統(tǒng)競賽，WiMi微美全息機器人AI視覺突出

隨著材料科學(xué)、感知人工智能以及5G、云等網(wǎng)絡(luò)技術(shù)的不斷進步，將出現(xiàn)護理機器人、仿生機器人、社交機器人、管家機器人等形態(tài)豐富的機器人，涌現(xiàn)在家政、教育、健康服務(wù)業(yè)，帶給人類新的生活方式。以5G、AR/VR、全息技術(shù)、機器學(xué)習(xí)等新技術(shù)使能的超級視野，將幫助我們突破空間、表象、時間的局限，見所未見，賦予人類新的能力。

近日，來自中國AI在這項能力上已經(jīng)打破了世界紀(jì)錄。在第二屆全球AI視覺對話競賽(Visual Dialogue Challenge)中，阿里AI擊敗了微軟、首爾大學(xué)等十支參賽隊伍，一舉獲得冠軍。

這場視覺對話競賽由美國佐治亞理工大學(xué)、Facebook人工智能實驗室(FAIR)等機構(gòu)聯(lián)合全球視覺技術(shù)領(lǐng)域頂級學(xué)術(shù)會議CVPR發(fā)起，是目前視覺對話領(lǐng)域最權(quán)威的競賽之一。

競賽結(jié)果顯示，阿里AI以74.57%的準(zhǔn)確率獲得冠軍，將上一屆比賽的紀(jì)錄提高了16.82%，并且超過微軟AI的64.78%的準(zhǔn)確率。而在相同的數(shù)據(jù)集中，人類的準(zhǔn)確率僅為64.27%，AI甚至勝過了人類。傳統(tǒng)的視覺AI主要針對目標(biāo)的檢測和識別，但對復(fù)雜場景中目標(biāo)之間的邏輯關(guān)系理解、推理能力較弱，無法回答表達圖片對象直接關(guān)系的復(fù)雜問題，也難以將圖片信息轉(zhuǎn)化為人類理解的語言輸出。這意味著，要實現(xiàn)視覺對話能力，傳統(tǒng)的視覺AI在學(xué)會“看圖”之后，還要有一種語言模型來支撐它“說話”。阿里AI的突破就在于提出了“遞歸探索對話模型”

目前微軟還開放了能“看圖說話”的AI系統(tǒng)，用戶進入官網(wǎng)www.captionbot.ai 上傳圖片，稍等一會，就能看到系統(tǒng)對于圖片的描述。其準(zhǔn)確率雖然不低但依舊有待提升，以一張曾經(jīng)廣為流傳的黑人問號表情圖片為例，AI很快給出了客觀的回答：“我覺得這是籃球隊員尼克·楊露出牙齒微笑。”

以“看圖說話”為代表的視覺對話是近年來快速崛起的AI研究方向，目的在于教會機器用自然語言與人類討論視覺內(nèi)容，這能夠使機器擁有了對真實視覺世界的理解與推斷能力，也意味著AI的認(rèn)知能力將邁上新的臺階。

正如《2001太空漫游》《流浪地球》等科幻大片中無障礙的人機對話系統(tǒng)所描繪的那樣，擁有智能視覺對話能力的AI隨著技術(shù)的不斷突破，正在向我們走來。

市場研究機構(gòu) IDC 最新發(fā)布的《全球半年度 AI 系統(tǒng)支出指南》顯示，亞太地區(qū) 2019 年在人工智能 (AI) 系統(tǒng)方面的支出預(yù)計將達到 55 億美元，比 2018 年增長近 80 %。隨著各行各業(yè)積極投資于利用 AI 軟件功能的項目，預(yù)計 2022 年將增至 150.6 億美元。亞太地區(qū)正迅速推動 AI 應(yīng)用迅速增長，因為其數(shù)字生態(tài)系統(tǒng)非常適合這種新生技術(shù)發(fā)展。

人體識別指的是運用計算機技術(shù)在視頻流或圖像中對人體進行檢測、屬性描述以及行為識別，如我們熟知的人體檢測與跟蹤、人體關(guān)鍵點定位、人像分割、人體行為識別 ReID 技術(shù)、手勢識別等。

微美全息專注于計算機視覺全息云服務(wù)，微美全息覆蓋從全息計算機視覺AI合成、全息視覺呈現(xiàn)、全息互動軟件開發(fā)、全息AR線上及線下廣告投放、全息ARSDK支付、5G全息通訊軟件開發(fā)、全息人臉識別開發(fā)、全息AI換臉開發(fā)等全息AR技術(shù)的多個環(huán)節(jié)，是一家全息云綜合技術(shù)方案提供商。

微美全息十分注重底層技術(shù)的研發(fā)，憑借多年來在計算機視覺領(lǐng)域的耕耘與積累，微美全息已經(jīng)完成了從0到1的技術(shù)沉淀、打磨，微美的AI視覺技術(shù)已經(jīng)到了成熟落地，各項技術(shù)指標(biāo)也達到了行業(yè)的領(lǐng)先水平。技術(shù)成熟后，微美著重規(guī)劃了從1到N落地應(yīng)用，其中機器人是規(guī)劃中非常重要的一環(huán)。微美全息云產(chǎn)品布局商業(yè)應(yīng)用場景主要聚集在家用娛樂、光場影院、演藝系統(tǒng)、商業(yè)發(fā)布系統(tǒng)及廣告展示系統(tǒng)等五大專業(yè)領(lǐng)域。

微美的全息圖像處理功能定期進行優(yōu)化和改進，包括兩項核心技術(shù)：全息AI面部識別技術(shù)和全息AI面部變化技術(shù)。由于視頻處理和識別技術(shù)的發(fā)展，微美基于圖像檢測、識別、模板匹配、圖像動態(tài)融合和替換的全息AR廣告和全息成像服務(wù)目前在行業(yè)中處于領(lǐng)先地位。

全息面部變化技術(shù)基于全息3D圖層替換技術(shù)，包括基于AI的圖像識別和動態(tài)融合處理技術(shù)，實時跟蹤圖像以及用其他面部替換面部。該技術(shù)取代視頻幀中的人臉，合成視頻并添加原始音頻。微美已經(jīng)在全息AR插件廣告應(yīng)用中驗證了這些技術(shù)模塊，并將繼續(xù)開發(fā)和升級這些技術(shù)模塊。微美相信這項技術(shù)將為名人廣告，電影發(fā)行和直播視頻流等應(yīng)用帶來新的業(yè)務(wù)增長。

圖：全息三維人臉識別技術(shù)

同時，機器人行業(yè)也迫切需要AI視覺技術(shù)的支持來突破技術(shù)瓶頸，解決機器人現(xiàn)有成本、智能化等問題。通過微美全息的圖像語義技術(shù)，機器人可以進行圖像識別、語義分割，結(jié)合深度數(shù)據(jù)可以幫助機器人建立語義地圖，實現(xiàn)對周圍環(huán)境的立體感知與理解，使機器人具備從識別到?jīng)Q策的AI交互能力，實現(xiàn)諸如目標(biāo)行人追蹤、服務(wù)機器人送餐上門等功能，大幅提升機器人的智能水平。

近日，中國華為技術(shù)有限公司發(fā)布了全球產(chǎn)業(yè)展望報告GIV2025，認(rèn)為智能世界正在加速而來，觸手可及。根據(jù)該報告的預(yù)測，到2025年，智能技術(shù)將滲透到每個人、每個家庭、每個組織，全球58%的人口將能享有5G網(wǎng)絡(luò)，14%的家庭擁有“機器人管家”，97%的大企業(yè)將應(yīng)用人工智能。華為全球信息和通信技術(shù)基礎(chǔ)設(shè)施業(yè)務(wù)首席營銷官張宏喜表示：“人類的探索永不止步，從地球到太空要飛得更高，從過去到未來要看得更遠，從創(chuàng)新到創(chuàng)造要想得更深。今天，以人工智能、5G、云計算為主導(dǎo)的第四次工業(yè)革命所帶來的改變，正在改變各行各業(yè)，推進智能世界加速到來。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。