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。
北京奥运塔、CBD等区域20日起将上演新春灯光秀******
兔年新春佳节临近,夜景灯光等将装点着大街小巷。 北京市朝阳区供图
中新网北京1月11日电 (记者杜燕)兔年新春佳节脚步临近,一串串大红灯笼、可爱的夜景灯光、漂亮的树挂灯饰、绚丽的渐变灯等将装点着大街小巷。1月20日起,北京奥运塔、大望京建筑组群、CBD区域以及同心桥、“炫彩望京”雕塑等将上演精彩的灯光秀。同时,科技AR秀将让市民拿着手机、不出家门也能欣赏精彩的“灯光秀”。
记者从北京市朝阳区了解到,该区将按照重大节日标准开启夜景照明,届时张灯结彩、喜庆祥和的氛围将陪伴市民一起迎接农历新年。同时,将推出新年灯光秀,以线上科技AR秀联动线下灯光秀,上演一场璀璨绝美的灯光秀。
线上科技AR秀+线下灯光秀
兔年新春,奥运塔、大望京建筑组群、CBD区域以及滕隆阁、华润时代、同心桥、通盈中心、“炫彩望京”雕塑将上演精彩的灯光秀。在灯光秀中,手提红灯笼的小兔子将成为主角,它身边是绽放着绚丽的“烟花”,一只金色的凤凰展翅腾空,为市民朋友带去吉祥如意。
除到现场欣赏灯光秀,今年春节期间,朝阳区还推出科技AR秀,市民拿着手机、不出家门也能欣赏精彩的“灯光秀”。AR秀以“朝阳元宇宙·光影展宏兔”为设计主题,通过奥运塔上京鼓鸣、幻境画卷大望京、时空之镜CBD、水行梦幻亮马河、凤舞滕隆兔报春等五个精彩场景。
14号线商业带沿线商圈火树银花
兔年新春佳节临近,夜景灯光等将装点着大街小巷。 北京市朝阳区供图
北京市朝阳区各大商业区将点“靓”迎新春。在三里屯,沿街树木将缠绕上漂亮的灯串,它们仿佛为树木穿上晚礼服,部分树木上的灯串可实现颜色渐变。蓝岛-芳草地商圈、亮马河风情水岸等区域布置灯笼灯饰、景观小品,电子屏播放电子烟花、电子年画等烘托节日氛围,
特别是14号线商业带沿线商圈,在地铁口到商圈最后一公里沿线范围内,行道树将“穿”上星星点点的装饰灯,枝丫上悬挂着洁白的大雪花,一派火树银花。
夜幕降临,热闹的商圈在夜景灯光的烘托下更显得红红火火。假日期间,14号线商业带沿线商圈夜景照明时间将延长至各大商场闭店。
6处景观小品红红火火
大街小巷流光溢彩
春节来临前,北京市朝阳区将结合新春主题新建6处景观小品装置。
其中,神路街的景观小品将体现剪纸艺术,利用灯笼等元素突出传统文化精神;朝阳公园是春节期间市民重要的游乐场所,公园南门景观小品将以大白兔形象突出兔年生肖特点;朝阳站的景观小品由红色的水晶数字“2023”和可爱的兔头形象为近景,金色的朝阳区标志性建筑和红色的折扇为中景,金色门框、红色的变形中国结“新春送福”形象为背景,红色“北京欢迎您”字样寓意朝阳站作为北京东大门欢迎客人的到来;武圣东路的景观小品将被装点上活泼可爱的装饰灯、芦苇灯等,为市民打造沉浸式的景观效果;朝阳门环岛的景观小品将延续古代粮仓背景,展示朝阳区的门户形象;杨闸环岛的景观小品展现朝阳区立足于高科技发展的远景,起此彼伏的光影更烘托了浓浓的春节氛围。
除了景观小品,朝阳区将打造5条夜景靓丽街,分别是建外大街、工体东路、朝外大街、神路街、工体北路。灯串缠树、常规挂件、兔年特色路灯等元素将扮靓街道。
兔年新春佳节临近,夜景灯光等将装点着大街小巷。 北京市朝阳区供图
此外,朝阳区将装饰天桥30座,其中重点装饰丰联广场附近的一座天桥,三里屯区域的3座天桥,三环路和四环路沿线各13座天桥。同时,朝阳区还将在背街小巷、社区、村庄、居民小区营造浓浓年味。
老物件再利用增添“新”年味
北京市朝阳区城管委相关负责人介绍,朝阳区春节景观布置将以中国红、金黄色为主色调,渲染浓浓的春节喜庆气氛。同时,点缀现代潮流的科技元素,蓝色、炫彩等效果则体现了朝阳区时尚感。
2023年是兔年,可爱的小兔子形象将被装饰在春节景观布置中。此外,充满着中国传统文化气息的红灯笼、剪纸、中国结、扇面、生肖、花灯、福字等以及元宇宙等科技元素也将被充分应用。
据介绍,春节景观布置以节能环保为主,充分“利旧”,也就是说将运用往年景观布置的灯笼灯饰、部件材料、景观小品等,通过变化布置点位、更换布置元素等方式,为节日景观布置增添“新”年味。同时,将运用传统文化和科技元素,打造国际范十足的节日氛围。(完)
(文图:赵筱尘 巫邓炎)