久久网亚洲_日本一区二区不卡视频|HD中文字幕在线播放,好紧好湿含着它h,被黑人玩得高潮抽搐在线观看,耽美多肉文

近日，ICCV2023 細粒度行為檢測挑戰(zhàn)賽（Open Fine Grained Activity Detection Challenge）順利結(jié)束，云從科技在行為分類賽道（以下簡稱OpenFAD23-ICCV23）中斬獲冠軍。

挑戰(zhàn)賽中，云從從容大模型展示了對多種模態(tài)信息的優(yōu)秀理解和處理能力，從早稻田大學(xué)、軟銀等國內(nèi)外多家知名企業(yè)、科研機構(gòu)中脫穎而出，刷新世界紀(jì)錄，再次展示了云從科技在多模態(tài)大模型領(lǐng)域的技術(shù)實力。

表1： 云從科技在OpenFAD23-ICCV23數(shù)據(jù)集上的表現(xiàn)

專注領(lǐng)先技術(shù)研發(fā) 推動視覺大模型落地應(yīng)用

3D行為識別技術(shù)相比2D圖像識別增加了時間維度的建模，是以人為中心的感知任務(wù)的重要組成部分，一直是人工智能領(lǐng)域的研究熱點。

大模型具有強大的表征能力，并且在多模態(tài)（如語言、音頻、圖像、視頻、視覺語言）上得到驗證，云從結(jié)合實際業(yè)務(wù)落地需求研發(fā)了基于時空建模的3D行為識別基礎(chǔ)大模型。

該模型基于Vision Transformer結(jié)構(gòu)進行設(shè)計，通過自注意力機制將空間維度和時間維度的信息進行充分關(guān)聯(lián)。

在預(yù)訓(xùn)練階段，采用掩碼重建的方式進行自監(jiān)督學(xué)習(xí)，為了讓模型同時學(xué)到場景語義和時序動作，采用偏場景的多模態(tài)語義特征和偏時序的動作特征同時做為教練模型（teacher）進行多分支特征蒸餾，使得模型同時具有場景語義和時序動作理解能力。

基于大模型預(yù)訓(xùn)練獲得的基礎(chǔ)時空特征，能夠廣泛用于視頻檢索、視頻問答、3D行為識別、行為關(guān)鍵幀檢測等下游任務(wù)中。在下游任務(wù)微調(diào)（fine-tune）階段，通過幀間信息互補的方式自適應(yīng)去除模型冗余的部分，極大提升了下游任務(wù)的訓(xùn)練和推理速度。

表2：云從科技在3D行為識別領(lǐng)域權(quán)威數(shù)據(jù)集Something-Something V2上的表現(xiàn)

本次OpenFAD23-ICCV23數(shù)據(jù)集包含491個日常生活中的人類行為，部分行為之間只有極其微小的差別，需要從視頻中抽取多幀畫面并采用3D時空建模算法進行分析。

云從科技從容大模型憑借在視覺領(lǐng)域的深厚積累，在OpenFAD23-ICCV23數(shù)據(jù)集粗粒度（coarse）行為類別上精度達到93.87%，在細粒度（fine-grain）行為類別上精度達到91.96%，識別精度相比上一屆OpenFAD22的冠軍方案高出4%以上。

準(zhǔn)確率的大幅提升表明大模型在時空關(guān)系特征建模上的優(yōu)勢，意味著3D行為識別算法已經(jīng)邁入多模態(tài)大模型時代，將極大提升該技術(shù)的商業(yè)應(yīng)用價值。目前，該技術(shù)已在金融、安防等領(lǐng)域得到了廣泛應(yīng)用，例如人員動作合規(guī)識別，打架、跌倒等行為檢測。

多次刷新紀(jì)錄 構(gòu)建多模態(tài)大模型技術(shù)閉環(huán)

今年以來，云從科技多次在多模態(tài)領(lǐng)域?qū)崿F(xiàn)技術(shù)突破。

6月

云從在CVPR 2023提出視覺大模型自監(jiān)督學(xué)習(xí)方法，僅需過往1%的數(shù)據(jù)量或者無需真實數(shù)據(jù)便可以達到相同的效果；

7月

云從行人基礎(chǔ)大模型在PA-100K、RAP V2、PETA、HICO-DET四個數(shù)據(jù)集成為世界第一，商品基礎(chǔ)大模型在MUGE、Product1M 兩個規(guī)模最大的開源中文多模態(tài)商品檢索數(shù)據(jù)集上刷新世界紀(jì)錄；

8月

云從視覺-語言跟蹤大一統(tǒng)模型在4個富有挑戰(zhàn)性的跨模態(tài)數(shù)據(jù)集（TNL2K, LaSOT, LaSOTExt, WebUAV-3M）上刷新了四項世界紀(jì)錄；

這使得從容大模型能夠以更好的交互性能，應(yīng)用于金融、安防、政務(wù)、交通、能源、教育、醫(yī)療、文娛等行業(yè)領(lǐng)域。

那么多模態(tài)到底意味著什么？

當(dāng)你輸入一張照片，并用語音或文字“指揮”AI將其部分摳圖修改，并發(fā)送給朋友時，它能立即理解并完成指令。

多模態(tài)交互降低了AI使用的門檻，使AI有望成為萬千大眾都能使用的生產(chǎn)工具和個人助理。

如今，多模態(tài)大模型已成為大模型邁向通用人工智能（AGI）目標(biāo)的下一個前沿焦點，云從科技持續(xù)專注多模態(tài)技術(shù)研發(fā)與儲備，推動視覺、語言、音頻等技術(shù)的邊界融合，為更多行業(yè)帶來創(chuàng)新與變革。