ZD至顶网软件频道消息:IBM周二正在推出一种新的Watson支持的物联网(IoT)服务,旨在帮助制造商精简其装配线检验流程。
Watson IoT平台副总裁Bret Greenstein对ZDNet表示,Watson被用来处理和分析各种结构化和非结构化数据,视觉识别是其优势之一。他说,使用Watson改进制造检验流程是一个理想的用例,这是由于这项工作的重复性。在每个部件都经过了检验之后,Cognitive Visual Inspection(认知视觉检测)系统变得更加有效。
事实上,IBM发现,对包括视觉检查在内的八天生产周期进行的半天的早期测试显示,Cognitive Visual Inspection(认知视觉检测)系统可以将检测时间减少高达80%。
该系统还将制造缺陷降低了7%至10%。它可以帮助检测微小的产品缺陷,如划痕和针孔尺寸的孔。
为了部署系统,数据科学家为其提供图像并训练其查找某些类型的缺陷。Greenstein表示:作为制造商,“你知道要找什么,现在只是教会一个系统来帮你寻找这样的缺陷,只要你有更高程度的信心,效果就会更好。”
系统会在拥有了足够的信息来检测某些缺陷模式时给出通告。 Greenstein表示,培训时间因产品而异,但制造商可以在一天之内启动并达到一定程度的置信水平。
系统被训练好之后,它将使用制造商已经使用的任何UHD相机系统的图像。Cognitive Visual Inspection(认知视觉检测)系统会在发现潜在缺陷的时候向人类发出警示,并且根据其是否发现缺陷给出置信水平。
该系统易于扩展。通过基于云的培训和管理工作流程,可以部署在任意数量的制造检验站。
定价使用的是基于消耗量的模型,以及附加许可组件。
IBM目前正在与全球IT咨询和技术服务提供商Capgemini合作,为其客户测试和集成IBM Cognitive Visual Inspection(认知视觉检测)系统。Capgemini是在位于德国慕尼黑的IBM Watson 物联网总部办公的公司之一,IBM在过去二十多年中队该总部投资了2亿美元,是该公司在欧洲最大的投资。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。