杠杆买入和杠杆卖出-21年牛股排行榜-【东方资本】,配资平台利息最高不能超过多少钱 ,股票怎么申请新股票,散户如何高抛低吸

近日，ICCV2023 細粒度行為檢測挑戰賽（Open Fine Grained Activity Detection Challenge）順利結束，云從科技在行為分類賽道（以下簡稱OpenFAD23-ICCV23）中斬獲冠軍。

挑戰賽中，云從從容大模型展示了對多種模態信息的優秀理解和處理能力，從早稻田大學、軟銀等國內外多家知名企業、科研機構中脫穎而出，刷新世界紀錄，再次展示了云從科技在多模態大模型領域的技術實力。

表1： 云從科技在OpenFAD23-ICCV23數據集上的表現

專注領先技術研發 推動視覺大模型落地應用

3D行為識別技術相比2D圖像識別增加了時間維度的建模，是以人為中心的感知任務的重要組成部分，一直是人工智能領域的研究熱點。

大模型具有強大的表征能力，并且在多模態（如語言、音頻、圖像、視頻、視覺語言）上得到驗證，云從結合實際業務落地需求研發了基于時空建模的3D行為識別基礎大模型。

該模型基于Vision Transformer結構進行設計，通過自注意力機制將空間維度和時間維度的信息進行充分關聯。

在預訓練階段，采用掩碼重建的方式進行自監督學習，為了讓模型同時學到場景語義和時序動作，采用偏場景的多模態語義特征和偏時序的動作特征同時做為教練模型（teacher）進行多分支特征蒸餾，使得模型同時具有場景語義和時序動作理解能力。

基于大模型預訓練獲得的基礎時空特征，能夠廣泛用于視頻檢索、視頻問答、3D行為識別、行為關鍵幀檢測等下游任務中。在下游任務微調（fine-tune）階段，通過幀間信息互補的方式自適應去除模型冗余的部分，極大提升了下游任務的訓練和推理速度。

表2：云從科技在3D行為識別領域權威數據集Something-Something V2上的表現

本次OpenFAD23-ICCV23數據集包含491個日常生活中的人類行為，部分行為之間只有極其微小的差別，需要從視頻中抽取多幀畫面并采用3D時空建模算法進行分析。

云從科技從容大模型憑借在視覺領域的深厚積累，在OpenFAD23-ICCV23數據集粗粒度（coarse）行為類別上精度達到93.87%，在細粒度（fine-grain）行為類別上精度達到91.96%，識別精度相比上一屆OpenFAD22的冠軍方案高出4%以上。

準確率的大幅提升表明大模型在時空關系特征建模上的優勢，意味著3D行為識別算法已經邁入多模態大模型時代，將極大提升該技術的商業應用價值。目前，該技術已在金融、安防等領域得到了廣泛應用，例如人員動作合規識別，打架、跌倒等行為檢測。

多次刷新紀錄 構建多模態大模型技術閉環

今年以來，云從科技多次在多模態領域實現技術突破。

6月

云從在CVPR 2023提出視覺大模型自監督學習方法，僅需過往1%的數據量或者無需真實數據便可以達到相同的效果；

7月

云從行人基礎大模型在PA-100K、RAP V2、PETA、HICO-DET四個數據集成為世界第一，商品基礎大模型在MUGE、Product1M 兩個規模最大的開源中文多模態商品檢索數據集上刷新世界紀錄；

8月

云從視覺-語言跟蹤大一統模型在4個富有挑戰性的跨模態數據集（TNL2K, LaSOT, LaSOTExt, WebUAV-3M）上刷新了四項世界紀錄；

這使得從容大模型能夠以更好的交互性能，應用于金融、安防、政務、交通、能源、教育、醫療、文娛等行業領域。

那么多模態到底意味著什么？

當你輸入一張照片，并用語音或文字“指揮”AI將其部分摳圖修改，并發送給朋友時，它能立即理解并完成指令。

多模態交互降低了AI使用的門檻，使AI有望成為萬千大眾都能使用的生產工具和個人助理。

如今，多模態大模型已成為大模型邁向通用人工智能（AGI）目標的下一個前沿焦點，云從科技持續專注多模態技術研發與儲備，推動視覺、語言、音頻等技術的邊界融合，為更多行業帶來創新與變革。