美国OAK分类法可帮助AI动态解读同一图像 或有助于机器人技术等应用

盖世汽车讯 据外媒报道，美国密歇根大学（U-M）研发了一种名为开放即兴分类（open ad-hoc categorization，OAK）的新方法，可帮助人工智能（AI）系统根据不同的分类情境，动态地对同一图像进行不同的解读，而非采用固定的视觉解读方式。

OAK方法解读图像（图片来源：密歇根大学）

密歇根大学计算机科学与工程系教授兼该研究的资深作者Stella Yu表示：“当人们谈及利用AI进行图像分类，通常假设每张图片都有唯一且客观的含义。然而，我们的研究表明，一张图片可以根据任务、情境或目标，从多个角度进行审视。就像人类不会视图像为静态信息，而是根据自身需求调整其含义，AI也可以灵活地解读图像，根据情境和目标进行相应的调整。”

以往的AI分类方法采用的是诸如“椅子”、“汽车”或“狗”等固定、僵化的分类，无法适应不同的用途或情境。OAK则可以根据期望的情境，对同一图片做出不同的评估。例如，一张人在喝水的图片，可以归类为“喝水”这一动作，“在商店”这一地点，或者“开心”这一情绪。

该研究团队通过扩展OpenAI的CLIP（一种基础的视觉语言AI模型，能够学习将图像与文字描述关联起来）来构建其模型。之后，研究团队添加了上下文标记，此类标记相当于为AI模型定制的一组指令，从有标签和无标签的数据中学习而来，与图像数据一起输入系统，以针对不同的情境塑造视觉特征处理。最终，该模型能够自然地聚焦于相关的图像区域，如识别动作时聚焦于手部区域，在描述地点时聚焦于背景，而无需明确告知其应关注何处。

打赏 点赞