[釘科技編譯] 綜合《thesouthafrican》和《theverge》消息:微軟開發(fā)了一種新的圖像字幕算法,該算法在某些有限的測(cè)試中準(zhǔn)確性超過了人類,據(jù)稱其將被合并到該公司用于視力障礙者的應(yīng)用程序“Seeing AI”及其更大的Office產(chǎn)品系列中。

圖像字幕技術(shù)滿足了諸如為圖像創(chuàng)建替換文本的任務(wù),該功能對(duì)于增加可訪問性特別重要。微軟AI團(tuán)隊(duì)的軟件工程經(jīng)理Saqib Shaikh在新聞發(fā)布會(huì)上說:“理想情況下,每個(gè)人都將在文檔、網(wǎng)絡(luò)、社交媒體中為所有圖像添加替代文本,因?yàn)檫@使盲人可以訪問內(nèi)容并參與互動(dòng)。但是,人們沒有。因此,有一些應(yīng)用程序使用圖像標(biāo)題作為替代文本的方式”。

微軟表示,新算法效果是當(dāng)前算法的兩倍,對(duì)于使用諸如微軟 Seeing AI之類的應(yīng)用的用戶來說,這將意味著極大改善用戶體驗(yàn)。

Seeing AI利用計(jì)算機(jī)視覺為視障人士描述通過智能手機(jī)攝像頭看到的世界。微軟算法不僅能夠識(shí)別人和物體,還能夠識(shí)別物體之間的關(guān)系,這意味著該算法能夠?qū)⒛橙嗣枋鰹椤白谝巫由匣蜃x書”。

在9月份的一篇論文中,新算法在一個(gè)被稱為 "nocaps "的圖像字幕基準(zhǔn)測(cè)試上取得了有史以來最高的分?jǐn)?shù)。nocaps基準(zhǔn)測(cè)試由超過166000個(gè)人類生成的字幕組成,描述了從Open Images Dataset中提取的約15100張圖片,這些圖片涵蓋了從運(yùn)動(dòng)到假日抓拍,再到美食攝影等等的一系列場(chǎng)景。 (釘科技綜合《thesouthafrican》和《theverge》消息編譯)