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。
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，向學術界和產業(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%。
IT之家了解到，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。
