通过CSIG—走进合合信息探讨生成式AI及文档图像处理的前景和价值

一、前言

最近有幸参加了由中国图象图形学学会(CSIG)主办,合合信息、CSIG文档图像分析与识别专业委员会联合承办的“CSIG企业行——走进合合信息”的分享会,这次活动以“图文智能处理与多场景应用技术展望”为主题,聚焦图像文档处理中的结构建模、底层视觉技术、跨媒体数据协同应用、生成式人工智能及对话式大型语言模型等热门话题,特邀来自上海交大、复旦、厦门大学、中科大的知名高校的学者与合合信息技术团队一道,以直播的形式分享文档处理实践经验及NLP发展趋势,探讨ChatGPT与文档处理未来。经过此次会议,让我对AI图像、文档处理方面有了更深刻的理解,下面聊聊我的一些感悟和想法。

二、感悟分享

1)生成式人工智能将在未来成为主流

会议开始,来自上海交大的杨小康教授带来了他的报告《生成式人工智能与元宇宙》

生成式人工智能这个词对于非AI领域的同学一定很陌生,但它就在我们身边,这里给大家简单说明一下:

我们熟知的通过AI进行图像识别、垃圾邮件检测、数据预测、自动驾驶等这些都属于分析或决策式的人工智能,我们给机器大量的数据,建立学习模型,让它们能够比人类更高效精准的完成一些任务。而生成式人工智则是进行“创造”,通过从数据中学习要素,进而生成全新的、原创的内容或产品,它不仅能够实现传统AI的分析、判断、决策功能,还能够实现传统AI力所不及的创造性功能,如今大火的ChatGPT、AIGC都属于生成式人工智能,2021年4月,英伟达公司创始人兼首席执行官黄仁勋的演讲会就有15秒的视频通过生成式人工智能合成的:

杨小康教授在会议中首先分享了他们对元宇宙和生成式人工智能发展趋势和价值:

然后介绍他们在流体现象模拟推理、物理环境持续预测学习、强化学习中世界模型表征解耦、虚拟数字人重建与驱动等方面的生成式人工智能取得成果:

并表示,目前的生成式人工智能还存在解空间巨大、宏观一致性差、微观清晰度受限等问题,需要通过数学、物理、信息论、脑认知、计算机等学科交叉研究,进一步夯实生成式人工智能的基础理论,通过“物理+数据”联合驱动, “虚拟+现实”深度融合,助力科学发现的加速。

随着人工智能技术的飞速发展,生成式AI仿佛一股清流般涌入了人类的日常生活,充满创造力的新世界就此呈现在我们的眼前。

据国际IT研究机构Gartner预测,到2025年,生成式人工智能产生的数据将占据人类全部数据的10%。可以明显的看到,生成式人工智能技术正加速数字经济的发展,生成型人工智能已经成为一个重要的研究领域,因为它能够弥合物理世界和数字领域之间的差距。它的重要性在于它能够将现实世界中的结构、操作和规则映射到计算机模型中,从而使计算机能够模仿人类的行为。此外,它在各个行业的应用表明了它改变我们生活的潜力。展望未来,这一领域的研究可能会集中于“新智能”模型,如转移学习、深度强化学习和贝叶斯优化,以及基于大数据和无监督学习技术的应用。

我很赞成杨小康教授的一个观点就是:生成式人工智能是构建元宇宙的一个可行的途径。而且在不久的将来,以“识别——分析”为代表的判别式人工智能将被“合成——重建”为代表的生成式人工智代替而成为主流。

另外,复旦大学计算机学院教授邱锡鹏也对ChapGPT大语言模型的关键技术进行了深度剖析,他从大规模预训练语言模型带来的变化、ChatGPT 的关键技术及其局限性等角度深入地介绍了大规模语言模型的相关知识:

也指出了ChatGPT目前最大的问题之一:作为大型语言模型,它无法实时与外部世界互动,也无法利用如计算器,数据库,搜索引擎等外部工具,导致它的知识也相对落后,而未来它更应该做到提高适时性、即时性、无害等等。总的来说,如果将 LLM 作为智能体本身,能够与外部交互之后,这些模型的能力一定会有更大的提升!

随着 ChatGPT的大火,很多公司和组织都跟风,推出类似的聊天机器人产品。这也证明了大家认可聊天机器人技术的可行性和潜力,也让人们看到了聊天机器人在未来的巨大市场和应用前景。

2)文档图像处理方向的AI应用还存在巨大的挑战,但也有巨大的行业前景和价值

我们经常提到的图像超分辨率、去模糊、去噪、破损图像恢复等都属于底层视觉应用的范畴,底层视觉的特征非常明显:输入是图像,输出也是图像。比如:图像预处理、滤波、恢复和增强等:

近年来,随着人工智能、深度学习技术的快速发展以及在高层视觉任务上的出色表现,将其应用到底层视觉任务上的工作也逐渐涌现出来。然后面临的问题却很多,效果也不太理想。

来自上海交通大学的模式识别与智能系统博士,合合信息图像算法研发总监郭丰俊表示:底层视觉的理论和方法在众多领域都有着广泛的应用,如手机、医疗图像分析、安防监控等。重视图像、视频内容质量的企业、机构不能不关注底层视觉方向的研究。如果底层视觉没做好,很多 high-level 视觉系统(如检测、识别、理解)无法真正落地。看了他针对目前底层视觉技术在处理形变、模糊、阴影遮盖、背景杂乱的文档时遇到的典型问题,就公司技术团队在智能图像处理技术模块、融合技术典型应用、图像安全领域等领域的研究成果进行的分享后我深表赞同。

之后他介绍了合合信息智能文档处理技术基于对图像目标区域的精准裁剪,对弯曲、倾斜透视的页面进行形变矫正,在去除阴影、摩尔纹后,通过人工智能技术对文档图像进行增强锐化和清晰度提升,能达到“图像质量增强”的效果,在改善阅读体验的同时,也提升了识别转换、图像分析等文档处理下游任务的质效,相关技术已通过“扫描全能王”等智能文字识别产品,服务全球上百个国家和地区的上亿用户:

去年我也使用过合合科技的PS检测合摩尔纹去除等服务,效果都很不错,特别是PS检测上,这一直是很多行业迫切需要解决的难点,特别是在保险、金融、银行等领域,如果将虚假篡改过的信息资料审核通过可能会带来巨大的影响甚至是经济上的损失:

会议中,来自中国科学技术大学语音及语言信息处理国家工程实验室副教授杜俊做的文字识别工作也惊艳到了我。

如果仅仅是标准字体的图文识别,那相对来说很简单,但在很多现实场景中,字不一定会以规范的印刷体的形式出现,这就给字的识别带来了挑战,比如学生作业及试卷的错别字检测,医嘱识别等场景,如果能够通过自动化代替人工来做的话会对效率的提升和数据汇总分析等是特别有价值的。

杜俊教授的团队创建了一套基于部首的汉字识别、生成与评测系统,因为与整字建模相比,部首的组合要少得多:

其中,识别与生成是联合优化的,这有点像学生学习时识字与写字互相强化的过程。评测的工作以往大多聚焦在语法层面,而杜俊的团队设计了一种可以直接从图像中找出错别字并详细说明错误之处的方法。这种方法在智能阅卷等场景中将非常有用。

除了文本之外,表格的识别与处理其实也是一大难点,因为你不仅要识别里面的内容,还要理清这些内容之间的结构关系,而且有些表可能连线框都没有。为此,杜俊团队基于SEM的表格结构识别设计了一种「先分割,后合并」的方法:

即先把表格图像拆分成一系列基础网格,然后再通过合并的方式做进一步纠正:

当然,这些方法在多版式的场景下还存在局限性,杜俊教授也针对未来的工作做出了计划和展望,希望能如他所愿:

三、总结

在21世纪,人工智能已经进入了腾飞的快车道,而且随着人工智能技术的不断完善和发展,人工智能也从生产领域扩大到生活领域,渗透到了人类生活的每一个细节,有了人工智能技术的帮助,让我们在出行、学习、工作等方面越来越方便,变得更加智慧化。

经过此次会议,让我对人工智能技术的发展和应用有了更清晰的认识,特别是会议上邱锡鹏教授对ChatGPT类大语言模型的技术点深度剖析,让我知道了ChatGPT的原理以及现阶段的难点。ChatGPT的大火也充分展现了研发通用人工智能助手广阔的研究和应用前景,从客服问答,智能引导,灵感创造等都已出现了它的身影,可能现在还不够成熟可靠,但它的出现让我们有了希望,这也是越来越多的企业跟风加入其中的原因。我相信,在不久的将来,如同ChatGPT一样的生成式人工智能产品将越来越频繁地出现在我们的社会场景之中,成为常态。

郭丰俊博士在底层视觉技术处理图像上的应用分享让我真正的感受到了智能数字化时代的高效和美好。以前处理PS痕迹检测找了各种各样的办法,无论是exif识别还是用“放大镜”工具手动排查都无法高效准确的解决此类问题。现在通过先进的底层视觉技术来智能化的进行PS痕迹检测在节约了大量的人力成本同时,还提高了检测效率及准确性。这是人工智能价值最直观的体现。

总而言之,AI时代已经到来,AI时代会让世界更高效!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/54701.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

期权专题2:备兑期权

组合期权在四种基本期权的基础上,进行组合,构建出对应的策略。我们先回顾一下基本期权的定价代码。 def option_price(type, dir, S, K None, cost None):获取期权的价值,权利金默认为50Parameters----------type:期权类型,put表示看跌,call表示看涨,…

期权 证券 股票(沪深300ETF)等数据获取

Python 使用tushare模块,这些需要积分,临时使用推荐在闲鱼上买一个月/半年的账号(期权需要5000积分,普通的股票只需要2000积分),不要选择淘宝的单次代下载(又贵又不方便)&#xff0c…

[QMT]05-获取基础行情信息

函数:获取合约基础信息 get_instrument_detail(stock_code) 1 释义 获取合约基础信息 参数 stock_code - string 合约代码 返回 dict 数据字典,{ field1 : value1, field2 : value2, ... },找不到指定合约时返回None ExchangeID - string 合约…

50ETF期权历史数据获取

文章目录 前言一、期权历史数据二、步骤1.安装Choice终端1.1 注册用户 2.导出数据3.表格检索 EOF 前言 在量化交易时需要50ETF(510050)期权历史数据进行回测支持,正常情况下,到期的期权日线数据已经被关闭无法获取。 本文主要讲解如何使用choice数据终端…

技术流薅支付宝羊毛,日入上万不是梦!

阅读文本大概需要 6.66 分钟。 这篇文章发出去不久,就有读者用文章所说的方法赚了 5473 元,还特意给我发了一大红包。 只有当你懂得感恩时,你才能走的更远。 在之前的文章里说过薅羊毛是有分等级,初级的玩法就是在微信群&#xff…

【项目】关于汇付宝支付对接

文章目录 前言引入maven项目结构常量类requestreponseutils签约效果官网文档问题 前言 本文是结合第三方demo提供,然后整理的代码,主要涉及的接口有,签约,支付,流程是,用户输入身份证、银行卡等信息&#…

网赚渠道,付费项目和免费项目,你会选择哪种网赚方式

大家好,我是蝶衣王的小编 在我的理解里呢,网赚分为付费和免费两种。那我也就这两种跟各位分享一下吧。 免费项目 时间财富网 国内的一个任务网站的代表之一,门槛比较低。只要有一技之长,就可以在上面找到让你赚钱的一个任务&am…

免费使用的支付宝,到底是怎么一年赚1206亿的?

全世界只有3.14 % 的人关注了 爆炸吧知识 眨眼间,马云居然退休已经一年了,真可谓白驹过隙,恍惚而逝啊! 不过,你以为马云退休了,就清风明月,万事不管了。 太年轻! 其实马云依旧掌控者…

支付宝赚赏金的四种玩法(引流+变现日入200+)

各大网赚公众号,都推了支付包赏金的玩法,我也来跟跟热度。 以下是收集到的目前市面上常见的玩法。 一:群发好友或者朋友圈。 群发好友或者朋友圈的目的,都是为了让别人来扫描我们的赏金二维码,直接得到赏金。 而好…

在团购网上空手赚钱项目,你敢做就敢赚!

【项目介绍】: 利用团购网销售一款网络热销的静脉曲张袜。 【市场前景】: 团购网站2011年开始火爆起来,到现在团购也都一直还行,毕竟属于概念性行业,只是对于商家来说有时候并不是好事,我对待团购的看法是…

X 进制转十进制黄金万能算法

单纯、混合进制通吃,真正的黄金万能的进制转换方法。 【学习的细节是欢悦的历程】 Python 官网:https://www.python.org/ Free:大咖免费“圣经”教程《 python 完全自学教程》,不仅仅是基础那么简单…… 地址:https:/…

如何通俗地理解熵?

熵,是一个热力学的概念。但在历史的发展中,造就了它非常丰富的内涵,进入了很多学科的视野。本文会在数理层面对它进行一个解读,厘清它在逻辑上到底是什么。 1 混乱的熵 很多科普文章中,都提到熵是用来度量混乱的。比…

透彻理解熵(包括信息熵和交叉熵)

信息论(熵的基础) 熵 相对熵(KL散度) 交叉熵 机器学习中交叉熵的应用 为什么要用交叉熵做loss函数? 交叉熵在单分类问题中的使用 交叉熵在多分类问题中的使用 sigmoid激活函数(承接上面多分类用Sig…

信息与熵,你想知道的都在这里了

ℹ️ 本文参考自 [d2l] Information Theory 此外,本文所提到的 log ⁡ ( ⋅ ) \log(\cdot) log(⋅) 如无特殊说明均指 log ⁡ 2 ( ⋅ ) \log_2(\cdot) log2​(⋅)。 目录 一、自信息(Self-information)二、熵(Entropy&#xff0…

一些信息熵的含义

一些信息熵的含义 (1) 信息熵的定义:假设X是一个离散随即变量,即它的取值范围R{x1,x2...}是有限可数的。设piP{Xxi},X的熵定义为: (a) 若(a)式中,对数的底为2,则熵表示为H2(x),此…

“熵”详细学习笔记——什么是熵?有什么性质?联合熵等其他熵的作用

熵大概是统计学、信息学中最让人纠结的基本概念之一。很多的人对于熵是什么多多少少能说出一二,但是不能准确的表达出来。我们都知道熵可以用来描述含有的信息丰富程度的多少,但具体指什么呢? 在讲到熵之前,在这里我先讲一个“自…

信息熵通俗易懂的例子

转自知乎 https://www.zhihu.com/question/22178202/answer/223017546 本科学的时候是院长教的,当时他说这个东西很有用,也仔细听了没懂什么意思,现在回过头来看,还真有用。 信息熵的定义与上述这个热力学的熵,虽然不…

一文看懂信息熵的本质——谈谈自己对信息熵的理解

一、序言 初次看到信息熵的公式有很多不理解的地方,只知道信息熵如何进行计算,却不懂得公式背后的原理,我通过查阅了一些资料,加深了对信息熵的理解,现在将这些理解分享给大家。如有疑问欢迎评论,若对你有帮…

传闻中能取代90%人工作的chatGPT,不值得让软测人恐慌

ChatGPT的横空出世,在业界掀起了惊涛骇浪。很多人开始担心,自己的工作岗位是否会在不久的将来被ChatGPT等人工智能技术所取代。 软件测试与先进技术发展密切相关,基于人工智能的AI助手已经得到很多的应用机会,那么未来是否更加可期…