11 月 18 日消息，昨日，上海人工智能實驗室聯(lián)合商湯科技 SenseTime、香港中文大學、上海交通大學共同發(fā)布新一代通用視覺技術體系“書生”(INTERN)，該體系旨在系統(tǒng)化解決當下人工智能視覺領域中存在的任務通用、場景泛化和數(shù)據(jù)效率等一系列瓶頸問題。

▲ 圖源：上海人工智能實驗室

　　目前，技術報告《INTERN: A New Learning Paradigm Towards General Vision》已在 arXiv 平臺發(fā)布，基于“書生”的通用視覺開源平臺 OpenGVLab 也將在明年年初正式開源，向?qū)W術界和產(chǎn)業(yè)界公開預訓練模型及其使用范式、數(shù)據(jù)系統(tǒng)和評測基準等。

　　根據(jù)相關技術報告，一個“書生”基模型即可全面覆蓋分類、目標檢測、語義分割、深度估計四大視覺核心任務。

　　上海人工智能實驗室表示，相較于當前最強開源模型(OpenAI 于 2021 年發(fā)布的 CLIP)，“書生”在準確率和數(shù)據(jù)使用效率上均取得大幅提升。具體而言，基于同樣的下游場景數(shù)據(jù)，“書生”在分類、目標檢測、語義分割及深度估計四大任務 26 個數(shù)據(jù)集上的平均錯誤率分別降低了 40.2%、47.3%、34.8% 和 9.4%。

　　通用視覺技術體系“書生”(INTERN)由七大模塊組成，包括通用視覺數(shù)據(jù)系統(tǒng)、通用視覺網(wǎng)絡結構、通用視覺評測基準三個基礎設施模塊，以及區(qū)分上下游的四個訓練階段模塊。

特別提醒：本網(wǎng)信息來自于互聯(lián)網(wǎng)，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內(nèi)容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網(wǎng)有任何內(nèi)容侵犯您的權益，請及時聯(lián)系我們，本站將會在24小時內(nèi)處理完畢。