圖片分享社交平臺(tái)Pinterest周一宣布,其已收購(gòu)了圖像識(shí)別及視覺(jué)搜索技術(shù)初創(chuàng)企業(yè)VisualGraph。
圖:VisualGraph的圖片識(shí)別技術(shù)可檢測(cè)到人臉、身體、汽車(chē)及其他物體
VisualGraph成立于2013年,VisualGraph公司為一家二人公司,兩名員工分別為Kevin Jing和David Liu,其中前者曾為谷歌前員工。VisualGraph的圖片識(shí)別技術(shù)可識(shí)別圖片上人臉、汽車(chē)、服裝、紋理圖案及人體的體貌特征。對(duì)于Pinterest來(lái)說(shuō),收購(gòu)VisualGraph技術(shù)能夠幫助Pinterest將用戶(hù)貼圖分門(mén)別類(lèi);反之,VisualGraph技術(shù)可幫助用戶(hù)實(shí)現(xiàn)圖片的精準(zhǔn)搜索。
Pinterest的這一并購(gòu)交易實(shí)為獲得VisualGraph技術(shù)和人才。未來(lái)Kevin Jing和David Liu將加入到Pinterest的工程師團(tuán)隊(duì),其中Kevin Jing將加入到Pinterest新的“視覺(jué)發(fā)現(xiàn)”團(tuán)隊(duì)。
Kevin Jing和David Liu在一份聲明中表示:“我們感到十分激動(dòng),未來(lái)將有機(jī)會(huì)把機(jī)器視覺(jué)與人類(lèi)視覺(jué)結(jié)合,創(chuàng)造兼具審美和實(shí)用功能的視覺(jué)發(fā)現(xiàn)體驗(yàn)。”
Pinterest公司一位發(fā)言人稱(chēng):“收購(gòu)VisualGraph將有助于我們創(chuàng)建方便用戶(hù)使用理解圖片的技術(shù)。通過(guò)創(chuàng)建新技術(shù),希望用戶(hù)更加便捷的找到他們所喜歡的東西。”Pinterest發(fā)言人還稱(chēng),VisualGraph已關(guān)閉了其原有向少數(shù)人開(kāi)放的服務(wù)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。