点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
向善而生的AI助盲，让AI多一点，障碍少一点******
有人说，盲人与世界之间，相差的只是一个黎明。在浪潮信息研发人员的心中，失去视力的盲人不会陷入永夜，科技的进步正在力图给每一个人以光明未来。
AI助盲在人工智能赛道上一直是最热门的话题之一。以前，让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破，更多的失明者正在借助AI提供的感知、理解与交互能力，以另一种方式重新“看见世界”。
新契机：多模态算法或将造福数以亿计失明者
科学实验表明，在人类获取的外界信息中，来自视觉的占比高达70%~80%，因此基于AI构建机器视觉系统，帮助视障患者拥有对外界环境的视觉感知与视觉理解能力，无疑是最直接有效的解决方案。
一个优秀的AI助盲技术，需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展，才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够，以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。
多个模态的交互可以提升AI的感知、理解与交互能力，也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说，多模态算法在AI助盲领域的应用一旦成熟，将能够造福数以亿计的失明者。据世卫组织统计，全球至少22亿人视力受损或失明，而我国是世界上盲人最多的国家，占世界盲人总数的18%-20%，每年新增的盲人数量甚至高达45万。
大挑战：如何看到盲人“眼中”的千人千面
AI助盲看似简单，但多模态算法依然面临重大挑战。
多模态智能算法，营造的是沉浸式人机交互体验。在该领域，盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一，这项研究已经吸引了全球数以万计的视障患者参与，这些患者们上传自己拍摄的图像数据和相匹配的文本问题，形成了最真实的模型训练数据集。
但是在现有技术条件下，盲人视觉问答任务的精度提升面临巨大挑战：一方面是盲人上传的问题类型很复杂，比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。
另一方面，由于盲人的特殊性，很难提取面前物体的有效特征。比如盲人在拍照时，经常会产生虚焦的情况，可能上传的照片是模糊的或者没有拍全，或者没拍到关键信息，这就给AI推理增加了难度。
为推动相关研究，来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”，并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题，然后要求给出相应的答案，解决盲人的求助。
另外，盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说，盲人逛超市，由于商品外观触感相似，很容易犯错，他可能会拿起一瓶醋却询问酱油的成分表，拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效，没法给出有效信息。
最后，针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制，同样也是现阶段的研发难点。
多解法：浪潮信息AI助盲靶向消灭痛点
AI助盲哪怕形式百变，无一例外都是消灭痛点，逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究，只为帮助盲人“看”到愈发精彩的世界。
在VizWiz官网上公布的2万份求助中，盲人最多的提问就是想知道他们面前的是什么东西，很多情况下这些物品没法靠触觉或嗅觉来做出判断，例如 “这本书书名是什么？”为此研发团队在双流多模态锚点对齐模型的基础上，提出了自监督旋转多模态模型，通过自动修正图像角度及字符语义增强，结合光学字符检测识别技术解决“是什么”的问题。
盲人所拍摄图片模糊、有效信息少？研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法，并提出多阶段交叉训练策略，具备更充分的常识能力，低质量图像、残缺的信息，依然能够精准的解答用户的求助。
目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点，在AI助盲领域斩获世界冠军两项、亚军两项。
真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此，研发团队首次提出视觉定位文本去噪推理任务FREC，FREC提供3万图片和超过25万的文本标注，囊括了口误、歧义、主观偏差等多种噪声，还提供噪声纠错、含噪证据等可解释标签。同时，该团队还构建了首个可解释去噪视觉定位模型FCTR，噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议，该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。
在智能交互研究方面上，浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA，同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。
眼球虽然对温度并不敏感，但浪潮信息的研发团队，却在努力让盲人能“看”到科技的温度，也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍，跨越山海。科技的伟大之处不仅仅在于改变世界，更重要的是如何造福人类，让更多的不可能变成可能。当科技成为人的延伸，当AI充满人性光辉，我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意，见证着更加光明宏大的远方。
“我们这十年：2012-2022” 第六届中国图片大赛征稿启事******
用图片讲好中国故事，以影像传播中国声音。第六届中国图片大赛，以“我们这十年：2012-2022”为主题，面向社会征集反映党的十八大以来国家富强、民族和谐、人民幸福的影像作品，展现这十年我们的奋进之路和辉煌成就。
一、组织结构
主办单位：中国图片社、中华人民共和国国史学会、五洲传播中心、中央党校出版集团
协办单位：中国新闻摄影学会
承办单位：视点文化传播有限公司、中郁教育科技(集团)有限公司
支持单位(排名不分先后)：“学习强国”学习平台、党建网、光明网、中国青年网、中国经济网、中国日报网、中国新闻网、中国台湾网、中国西藏网、农视网、未来网、正义网、中国经济新闻网、中国银行保险报网、中国好故事、中国全球图片总汇、青春北京、传媒茶话会、《中国校外教育》杂志社、摄影世界杂志社、中国国际进口博览局、共青团中央青运史档案馆、中国民主党派历史陈列馆、中国现代文学馆、中国儿童中心、内蒙古自治区展览馆、辽宁省档案馆、三峡工程博物馆
二、征集内容
投稿作品以发生在身边的典型人物、典型故事为切入点，通过个人影像视角，以小见大，充分展示党的十八大以来，以习近平同志为核心的党中央领导全党全军全国各族人民寻梦、追梦、筑梦的动人故事，展示我国这十年经济发展、政治民主、文化繁荣、社会和谐、生态美丽等方面的多彩风貌。
三、征集时间
自征稿启事发布之日起至2022年10月15日。
四、奖项设置及稿酬
1.评委会大奖1名，稿酬30000元
2.典藏金奖10名，稿酬各8000元
3.典藏银奖20名，稿酬各5000元
4.典藏铜奖30名，稿酬各2000元
5.典藏优秀奖50名，稿酬各500元
6.媒体推荐奖10名，稿酬各500元
第六届中国图片大赛总稿酬含税30万元，由活动组委会代扣个人所得税。获奖作品均颁发荣誉证书。
五、作品要求
1.作品单幅、组照均可，组照每组5至10张。
2.作品为jpg格式数码照片，长边像素不低于2500，分辨率不低于300dpi。
3.所有作品须附20至500字的图片说明(组照须提供总说明和单幅照片分说明)。
4.作品除对影调、色彩适度调整及构图非主体部分剪裁外，对原始影像不进行任何足以影响其真实性、准确性的改动。拒绝合成、拼接形式的作品参赛。
5.投稿者应保证其为所投送作品的作者，并对该作品的整体及局部均拥有独立、完整、明确、无争议的著作权；投稿者还应保证其所投送的作品不侵犯第三人的包括但不限于著作权、肖像权、名誉权、隐私权等合法权益。投稿者应承担由其稿件和投稿行为所引发的一切责任。
六、投稿方式
请于2022年10月15日前通过赛事官网(http://chnphoto.org/)投送稿件。
七、评审方式
中国图片大赛专家评审委员会将根据参赛作品内容、质量、史料和传播价值进行综合分析评定，确定获奖作品，专家评审委员会有权根据参赛作品整体水平决定奖项空缺名额。组委会根据需要通知部分参赛者在规定时间内提交原片以供查验，逾期不提供者视为自动放弃入选资格。
八、特别声明
1.本项赛事不收参赛费，不退稿。
2.获典藏铜奖作品(含)以上奖项的获奖者不得重复。
3.大赛获奖作品将进行多场次、多种形式的展出。活动组委会有权对获奖作品的展示数量予以删减，对文字说明予以补充、修改。
4.所有投稿作品将自动存入中国图片大赛官网。对于获奖作品，主办、承办、支持单位有权在与中国图片大赛活动相关用途中，以复制、发行、展览、放映、信息网络传播、汇编等方式使用，并不再支付费用。
5.凡投稿者，即视为其已同意本征稿启事之所有规定。
6.大赛组委会对赛事所有流程、环节拥有最终解释权。
九、联系方式
投稿咨询：010-63076129(工作日8：00-17：00)
技术咨询：010-88052620(工作日8：00-17：00)
联系地址：北京市西城区宣武门外大街甲1号环球财讯中心A座(新华社三工作区)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
天下彩票地图 |
)