【资料图】
讯（记者张璐）2023中关村论坛发布20项重大科技成果，北京智源人工智能研究院研发的通用视觉大模型SegGPT是其中之一。SegGPT是国际首个利用视觉提示完成任意分割任务的通用视觉模型，将加速高级别自动驾驶和通用机器人等实体智能产业的发展。
北京智源人工智能研究院院长黄铁军说，语言和视觉是智能的两种最主要形态，初步统计显示，在人工智能领域从事视觉研究的人员和相关企业占一半左右。之前，公众已经使用过人脸识别、车牌识别等相关的人工智能产品，这些产品是基于“专用视觉模型”，即每一个模型解决专门的视觉问题，比如考勤打卡系统的人脸识别模型，不能用于车辆识别。
大模型技术出现之后，通用人工智能成为新的竞争热点。用大模型技术解决语言问题时，主要靠语言的上下文关联。由于语料很丰富，语言大模型已经取得了重要突破，出现了很多成功的应用。但视觉识别的难度更大，需要非常精准。“比如自动驾驶中哪里是路，哪里是草地和行人，需要准确区分，对任意场景都能精确分割识别才能叫通用视觉。”
黄铁军介绍，SegGPT是国际首个利用视觉提示完成任意分割任务的通用视觉模型。“分割任务是计算机视觉的经典问题，也是通用视觉的基础。随便给出一个图像，AI系统需要清楚区分图像中的车、人、道路、环境等不同物体。”他说，将视觉分割做好并不容易，比如一辆车是一个整体，但车是由车窗、车轮、挡板等部件组成的，每一个部件又是独立的对象。
他表示，SegGPT模型可以实现对图像和视频中的一切要素分割，比如不同类别的动物、植物、车上的零部件、医学图像中的病灶、遥感图像等。同时，模型具有灵活推理能力，只需给出一个或几个示例图像和意图掩码，模型就能明白用户意图，从视觉场景中找到目标对象。模型还具有视频分割和追踪能力。由于视频是连续的时间序列，只需要在第一帧画面给出意图，模型就可以在后面的画面中连续检测跟踪目标。
未来，语言类的通用人工智能将更多满足信息服务类需求，视觉类的通用人工智能主要用于自动驾驶、机器人等实体类智能。“我们的模型为物理智能体，比如车或者机器人装上一双‘眼睛’，让它即使到复杂场景中也可以分清楚不同事物及其相互关系。”黄铁军说。
标签：
新京报讯（记者张璐）2023中关村论坛发布20项重大科技成果，北京智源人工智能研究院研发的通用视觉大模型Se
据知情人士透露，特斯拉计划在首席执行官马斯克数年来首次到访该公司上海工厂期间，提前展示其Model3改款车
IT之家6月1日消息，育碧今日发推确认，《刺客信条：幻景》将首发加入Ubisoft+服务，并同时支持PC和Xbox平台
优秀六一开场白台词范例大全六月，是撒满阳光的，六月，是鲜花盛开的。六月，是我们大家共同的节日，六一，
教育部网站据教育部网站消息，2023年全国高考报名人数1291万人，比去年增加98万人，再创历史新高。教育部会
今年春节消费者越来越倾向于短周期、近距离、慢节奏的出游方式
泓德基金2023年一季报观点摘录 
