至顶网软件频道消息:11月22日,在云栖大会·广东分会上,阿里云天池宣布了广东政务数据创新大赛的最终成绩。北京邮电大学团队和浙江大学团队分别获得“土地智能监管”赛题和“数字城市可视化”赛题的冠军。
阿里云天池广东政务数据创新大赛获奖选手合影
这场为期75天的大赛吸引了来自全球的3677支队伍报名参赛。大赛聚焦如何用人工智能实现政务创新,赛题分为智能算法赛“土地智能监管”和应用创新赛“数字城市可视化”。
在智能算法赛中,要求选手利用机器视觉技术,对2015年和2017年广东省佛山卫星图片进行对比分析,识别出两年之间新增的建筑物(不包括道路)位置。
在国土监察中,很重要的一项工作是监管地上建筑物的建、拆、改、扩。比如,土地未批先建、开发商捂地、居民违建等,传统的靠人力来调研取证的方法,费时费力。
“我们希望靠高分辨率卫星图像(米级分辨率)和深度学习算法来革新现有的工作流程,更好的保护城市土地资源,帮助佛山市南海区政府实现信息化向智能化的转变。”佛山市测绘地理信息研究院副院长朱广堂说。据了解,这场比赛由佛山市南海区政府执行承办,佛山市测绘地理信息研究院提供了大量高清卫星图像。
天池选手用人工智能识别卫星图像中的新增建筑
北京邮电大学团队以86.1%的准确率取得了这场比赛的冠军。在比赛中,他采用改进的hed网络作为基础,融合多种先进图像识别网络,能够准确识别出新建建筑。
卫星图像与人工智能技术的结合带来的想象来远不止于此。大赛评委中国规划设计院高级规划师徐辉举例说,如果卫星影像能够拍摄到工业园区的一些物流大货车,那么货车的多少就能够客观地反映出企业的经济运营的状态,通过这样大量深度学习的这种挖掘,就能够从宏观层面上了解一个城市乃至各区域经济态势。
另一道赛题,“数字城市可视化”则要求选手采用数据可视化的技术,将整个城市的运行状态直观的呈现出来,以便更好的把握城市脉搏。
冠军团队选择了城市区域内充电桩的优化设置这一新能源问题,基于真实的城市数据设计了简洁明了的数据挖掘模型,并把模型挖掘结果采用表达力强的可视化界面呈现,完美地增强了充电桩优化的探索过程。
阿里云机器智能首席科学家闵万里说,这次大赛选手成绩超过预期,产生了一批具备可落地性的优胜成果。阿里云ET大脑将考虑集成这些优秀成果,以众智形式推动城市大脑的发展。
天池大赛是阿里云同广东合作,推动社会治理、公共服务智能化的努力之一。在交通领域,他们还在尝试用人工智能管理红绿灯。试点结果显示,南华中路-宝岗大道9时~13时和15时~20时的平均拥堵指数分别下降了25.75%和11.83%。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。