点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
向善而生的AI助盲，让AI多一点，障碍少一点******
有人说，盲人与世界之间，相差的只是一个黎明。在浪潮信息研发人员的心中，失去视力的盲人不会陷入永夜，科技的进步正在力图给每一个人以光明未来。
AI助盲在人工智能赛道上一直是最热门的话题之一。以前，让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破，更多的失明者正在借助AI提供的感知、理解与交互能力，以另一种方式重新“看见世界”。
新契机：多模态算法或将造福数以亿计失明者
科学实验表明，在人类获取的外界信息中，来自视觉的占比高达70%~80%，因此基于AI构建机器视觉系统，帮助视障患者拥有对外界环境的视觉感知与视觉理解能力，无疑是最直接有效的解决方案。
一个优秀的AI助盲技术，需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展，才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够，以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。
多个模态的交互可以提升AI的感知、理解与交互能力，也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说，多模态算法在AI助盲领域的应用一旦成熟，将能够造福数以亿计的失明者。据世卫组织统计，全球至少22亿人视力受损或失明，而我国是世界上盲人最多的国家，占世界盲人总数的18%-20%，每年新增的盲人数量甚至高达45万。
大挑战：如何看到盲人“眼中”的千人千面
AI助盲看似简单，但多模态算法依然面临重大挑战。
多模态智能算法，营造的是沉浸式人机交互体验。在该领域，盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一，这项研究已经吸引了全球数以万计的视障患者参与，这些患者们上传自己拍摄的图像数据和相匹配的文本问题，形成了最真实的模型训练数据集。
但是在现有技术条件下，盲人视觉问答任务的精度提升面临巨大挑战：一方面是盲人上传的问题类型很复杂，比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。
另一方面，由于盲人的特殊性，很难提取面前物体的有效特征。比如盲人在拍照时，经常会产生虚焦的情况，可能上传的照片是模糊的或者没有拍全，或者没拍到关键信息，这就给AI推理增加了难度。
为推动相关研究，来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”，并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题，然后要求给出相应的答案，解决盲人的求助。
另外，盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说，盲人逛超市，由于商品外观触感相似，很容易犯错，他可能会拿起一瓶醋却询问酱油的成分表，拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效，没法给出有效信息。
最后，针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制，同样也是现阶段的研发难点。
多解法：浪潮信息AI助盲靶向消灭痛点
AI助盲哪怕形式百变，无一例外都是消灭痛点，逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究，只为帮助盲人“看”到愈发精彩的世界。
在VizWiz官网上公布的2万份求助中，盲人最多的提问就是想知道他们面前的是什么东西，很多情况下这些物品没法靠触觉或嗅觉来做出判断，例如 “这本书书名是什么？”为此研发团队在双流多模态锚点对齐模型的基础上，提出了自监督旋转多模态模型，通过自动修正图像角度及字符语义增强，结合光学字符检测识别技术解决“是什么”的问题。
盲人所拍摄图片模糊、有效信息少？研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法，并提出多阶段交叉训练策略，具备更充分的常识能力，低质量图像、残缺的信息，依然能够精准的解答用户的求助。
目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点，在AI助盲领域斩获世界冠军两项、亚军两项。
真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此，研发团队首次提出视觉定位文本去噪推理任务FREC，FREC提供3万图片和超过25万的文本标注，囊括了口误、歧义、主观偏差等多种噪声，还提供噪声纠错、含噪证据等可解释标签。同时，该团队还构建了首个可解释去噪视觉定位模型FCTR，噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议，该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。
在智能交互研究方面上，浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA，同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。
眼球虽然对温度并不敏感，但浪潮信息的研发团队，却在努力让盲人能“看”到科技的温度，也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍，跨越山海。科技的伟大之处不仅仅在于改变世界，更重要的是如何造福人类，让更多的不可能变成可能。当科技成为人的延伸，当AI充满人性光辉，我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意，见证着更加光明宏大的远方。
三星正式发布新一代高端旗舰Galaxy S23系列******
2月2日，三星电子正式发布新一代高端旗舰系列产品三星Galaxy S23 Ultra、Galaxy S23+及Galaxy S23，翻开了三星Galaxy智能手机超能体验的新篇章。此次，三星强大的影像系统融合更加先进的AI技术，带来了电影级视频创作等诸多创新功能；搭载的第二代骁龙®8移动平台升级版，不仅具备超强的AI算力，为未来打造的移动游戏特性与超疾速图形处理等，还可为玩家提供持续高能的移动游戏体验。秉承对可持续发展的承诺，三星Galaxy S23系列相比旗下其他手机采用了更多由可回收环保材料制成的零部件，力求通过先进的设计理念造就标杆级的创新体验。
三星Galaxy S23系列三星电子移动通信部门总裁卢泰文表示，三星Galaxy S23系列产品再次刷新行业标准，为用户带来可靠的优质体验。同时，也致力于将强劲的性能、持续的创新与可持续发展的环保理念融为一体，为消费者提供更高、更强的三星Galaxy体验。
2亿像素镜头搭配丰富的创意拍摄体验，令精彩影像不分昼夜
三星Galaxy S23 Ultra能够助力不同拍摄水平的用户轻松定格令人惊叹的画面，可以在不同的光照条件下呈现出超乎想象的画面细节。
三星Galaxy S23 Ultra三星Galaxy S23 Ultra突破性地搭载了2亿自适应像素传感器，令影像体验大幅升级。通过像素合并技术，可同时对多帧图像进行高分辨率处理，让用户轻松捕捉到超精细瞬间。三星Galaxy S23系列创新搭载了具备Galaxy Super HDR技术的自拍相机，支持双核疾速对焦功能。同时，还将前置摄像头的视频拍摄帧率从30fps提升至60fps，令自拍影像的流畅度显著提升。
为满足更多用户专业的拍摄需求，三星Galaxy S23系列带来了一套专属影像工具，能够通过设置更多拍摄选项来更好地展现灵感与创意。升级的Galaxy专属Expert RAW应用程序让用户也可拍摄出单反风格的作品，还能够拍摄出颇具艺术感的多重曝光照片，或使用天文摄影模式清晰地捕捉到壮丽的星空景色。
此次，三星Galaxy S23+与Galaxy S23将外观设计焕然一新，以标志性的悬浮感相机设计实现了全系列设计风格的统一，为Galaxy化繁为简的本真设计翻开新的篇章。
超强性能开拓未来移动游戏体验
对创作者和游戏玩家而言，挑战极限和冲破想象边界，往往需要更先进的技术赋能。此次，三星携手高通进一步优化Galaxy体验，带来迄今为止三星Galaxy最强悍、高效，同时也是骁龙最快的第二代骁龙®8移动平台升级版。三星Galaxy S23 Ultra还搭载了5,000毫安时(典型值)的大容量电池。
为了实现更接近真实的数字化效果，三星Galaxy S23 Ultra还将支持实时光线追踪技术，更早地推动未来移动游戏发展的主流趋势。通过这项技术，手机能够模拟并追踪游戏场景中的光线，呈现更加逼真的场景渲染效果。此外，三星Galaxy S23系列还搭载了更强大的Galaxy散热系统，让用户能够尽情尽兴地长时间驰骋在游戏世界中。
三星Galaxy S23 Ultra搭载6.8英寸(直角)曲面显示屏，并通过减小曲率带来了更平坦宽阔的视野，让用户能够获得生动且色彩丰富的视觉体验。另外，三星Galaxy的增强舒适度功能可调整屏幕的色调和对比度，帮助用户减缓在夜间观看屏幕时造成的眼睛疲劳；新一代Vision booster技术进一步升级，令屏幕在日光环境中的显示效果更加清晰。
秉承可持续发展理念的环保设计
三星Galaxy S23系列在将品质提升到更高档次的同时，依旧践行环保与可持续发展理念。此次，三星Galaxy S23系列相比上代产品，从之前的6个应用于内部的可回收材料组件增至12个，并应用于内部及外部。同时三星Galaxy S23系列采用的回收材料种类，也比旗下其他Galaxy智能手机更多，包括消费前再生铝材和再生玻璃，以及废弃渔网、水桶和PET瓶子等消费后再生塑料。
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩虹多多地图 |
)