“我雖然沒有見過你，但是我可以快速準(zhǔn)確的了解你”，當(dāng)下，人們對機器視覺的智能學(xué)習(xí)能力和精度提出了更高期待。近日，深象智能發(fā)布最新科研成果“視覺增強動態(tài)語義原型方法”，未來將更好的解決機器視覺“生成式零樣本學(xué)習(xí)”的問題。

此項成果已經(jīng)被 “CVPR2024”收錄，CVPR是與ICCV、ECCV齊名的世界頂級機器視覺和模式識別會議。

機器視覺是人工智能的一個重要分支，在人工智能體系中，機器視覺技術(shù)就好比計算機的“眼睛“，不僅能幫助計算機獲取信息，還會理解和處理信息。深象智能是銀泰商業(yè)集團旗下提供場空間機器視覺解決方案的科技公司，其科研團隊發(fā)表的《Visual-Augmented Dynamic Semantic Prototype for Generative Zero-Shot Learning》論文，有效解決了“生成式零樣本學(xué)習(xí)”問題。當(dāng)前機器只能對已有類別標(biāo)簽的圖像樣本學(xué)習(xí)，未來可以讓機器能通過舉一反三去學(xué)習(xí)識別從來沒有見過的圖像。

銀泰商業(yè)集團深象智能資深算法專家馮雪濤認(rèn)為，此項科研成果，未來在“依賴視覺分類技術(shù)的場景”有很大的想象空間，例如人、貨、車、物的屬性和行為識別等。另外，在一些來不及為算法模型收集訓(xùn)練樣本或者難以收集大量訓(xùn)練樣本的場景，零樣本學(xué)習(xí)技術(shù)相對于傳統(tǒng)方法具有較大優(yōu)勢。