科技日報記者 王春

2月25日，上海人工智能實驗室聯(lián)合商湯科技發(fā)布通用視覺開源平臺OpenGVLab，面向?qū)W術(shù)界和產(chǎn)業(yè)界開放其超高效預(yù)訓(xùn)練模型、超大規(guī)模公開數(shù)據(jù)集，以及業(yè)內(nèi)首個針對通用視覺模型的評測基準(zhǔn)。此舉將為全球開發(fā)者提升各類下游視覺任務(wù)模型訓(xùn)練提供重要支持，推動AI技術(shù)的規(guī)?；瘧?yīng)用落地，并促進人工智能基礎(chǔ)研究及生態(tài)建設(shè)的快速發(fā)展。

繼去年11月聯(lián)合商湯科技、香港中文大學(xué)和上海交通大學(xué)發(fā)布通用視覺技術(shù)體系“書生”（INTERN），上海人工智能實驗室在推動通用視覺智能技術(shù)的發(fā)展上持續(xù)發(fā)力。此次發(fā)布的通用視覺開源平臺OpenGVLab不僅包含超高效預(yù)訓(xùn)練模型，同時包括千萬級精標(biāo)注、十萬級標(biāo)簽量的公開數(shù)據(jù)集；同步公布的評測基準(zhǔn)則將便于開發(fā)者對不同通用視覺模型的性能進行橫向評估和持續(xù)調(diào)優(yōu)。

OpenGVLab開源平臺正式上線。采訪對象供圖

當(dāng)前，人工智能技術(shù)正快速發(fā)展，然而很多AI模型還局限于完成單一任務(wù)，如識別單一物體，或識別風(fēng)格較為統(tǒng)一的照片。如果要對多種類型、風(fēng)格進行識別，則需要具備足夠的通用性和泛化能力。通用視覺技術(shù)體系“書生”（INTERN），很好地解決了這一問題。通用視覺開源平臺OpenGVLab即是基于“書生”打造而成。依托“書生”在通用視覺技術(shù)上的支撐，OpenGVLab將大幅降低通用視覺模型的開發(fā)門檻，幫助開發(fā)者用更低的成本快速開發(fā)用于成百上千種視覺任務(wù)、視覺場景的算法模型，高效實現(xiàn)對長尾場景的覆蓋，推動AI技術(shù)的規(guī)?；瘧?yīng)用落地。

據(jù)悉，OpenGVLab充分繼承了通用視覺技術(shù)體系“書生”的技術(shù)優(yōu)勢，其開源的預(yù)訓(xùn)練模型具備極高性能。相較于此前公認(rèn)的最強開源模型（OpenAI于2021年發(fā)布的CLIP），OpenGVLab的模型可全面覆蓋分類、目標(biāo)檢測、語義分割、深度估計四大視覺核心任務(wù)，在準(zhǔn)確率和數(shù)據(jù)使用效率上均取得大幅提升。基于同樣的下游場景數(shù)據(jù)，開源模型在分類、目標(biāo)檢測、語義分割及深度估計四大任務(wù)26個數(shù)據(jù)集上，平均錯誤率分別降低了40.2%、47.3%、34.8%和9.4%；同時，在分類、檢測、分割和深度估計中，僅用10%的下游訓(xùn)練數(shù)據(jù)就超過了現(xiàn)有其他開源模型。使用此模型，研究人員可以大幅降低下游數(shù)據(jù)采集成本，用極低的數(shù)據(jù)量即可快速滿足多場景、多任務(wù)的AI模型訓(xùn)練。

隨著人工智能與產(chǎn)業(yè)融合的不斷深入，行業(yè)對人工智能的需求逐漸從單一任務(wù)向復(fù)雜的多任務(wù)協(xié)同發(fā)展，亟需構(gòu)建開源、開放的體系，以滿足趨于碎片化和長尾化的海量應(yīng)用需求。

伴隨OpenGVLab的發(fā)布，上海人工智能實驗室還開放了業(yè)內(nèi)首個針對通用視覺模型的評測基準(zhǔn)。當(dāng)前，行業(yè)中已有的評測基準(zhǔn)主要針對單一任務(wù)、單一視覺維度而設(shè)，無法反映通用視覺模型的整體性能，難以用于橫向比較。全新的通用視覺評測基準(zhǔn)憑借在任務(wù)、數(shù)據(jù)等層面的創(chuàng)新設(shè)計，可提供權(quán)威的評測結(jié)果，推動統(tǒng)一標(biāo)準(zhǔn)上的公平和準(zhǔn)確評測，加快通用視覺模型的產(chǎn)業(yè)化應(yīng)用步伐。

關(guān)鍵詞： 人工智能