ZD至顶网软件频道消息:IBM周一宣布推出一款新的、由Watson支持的云服务,这次推出的这项服务计划分析视频元数据。National Association of Broadcasters Show(国家广播电视节目协会)宣布这项服务应该能够帮助内容提供商和广告商找到吸引目标受众的方式。
该服务将利用Watson的认知能力来提取元数据,例如关键字、概念、视觉图像、语气和情感语境。它使用一系列Watson API,包括:Tone Analyzer(语音分析器)、Personality Insights(个性洞察)、Natural Language Understanding(自然语言理解)和Visual Recognition(视觉识别)。它也可以将视频分割成逻辑场景。
例如,运动网络可以使用该服务来快速并自动地识别和打包用于广告中的篮球相关的快乐场景内容,而不是让人手动选择要使用的视频片段。
IBM表示,该公司人工智能提供的功能在视频分析市场上是独一无二的。该公司表示,鉴于通过各种设备在云端上传的内容越来越多,企业要想从中获取有用的见解正在变得更加困难。
IBM全球电信、媒体和娱乐行业的总经理Steve Canepa在一份声明中表示:“我们看到多屏幕内容和观看选项的巨大增长正在为M&E公司提供重要的需求,改变内容的开发和交付方式,以应对不断变化的观众行为。”
今年晚些时候提供的这项服务将以IBM以前对Watson可以为媒体和娱乐行业提供服务的研究为基础。去年,IBM利用Watson生产电影预告片,而今年早些时候,Watson技术则成为高尔夫球锦标赛的亮点。
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。