Google ieviesa AI modeli ziņu rakstu ilustrēšanai
Īsumā
Google paziņo par jaunu AI modeli augstas kvalitātes ziņu rakstu vizuālo kopsavilkumu izveidei
Google ir paziņoja jauns mākslīgā intelekta (AI) modelis, kas, pēc tā teiktā, var automātiski ģenerēt "saskaņotus un tekošus" ziņu rakstu vizuālos kopsavilkumus. Tehnoloģiju gigants saka, ka modelis var palīdzēt lietotājiem padarīt informāciju pieejamāku radot “augstas kvalitātes” garu teksta daļu vizuālie kopsavilkumi.
Modelis ir balstīts uz dziļās mācīšanās algoritmu, kas pazīstams kā transformators, kas ir paredzēts, lai “saprastu” teikuma kontekstu un pēc tam ģenerētu ilustrāciju, kas saglabā svarīgo informāciju no oriģinālā teksta.
Google paveic daudz grūtāko uzdevumu, proti, izprast visa teksta kopējo kontekstu, atšķirībā no pašlaik populārā teksts-attēls sistēmas, kuru pamatā ir principa “ko es redzu, par to es zīmēju” “frontālais” attēlojums. Turklāt attēlu izvēle tiek veikta, lai izveidotu “attēlu kopumā”, nevis atsevišķus apgalvojumus un frāzes (kā to šobrīd dara praktiski visi). Citiem vārdiem sakot, attēli tiek izvēlēti visam rakstam, ņemot vērā kontekstu un nozīmi.
Google saka, ka modelis var ģenerēt vairāku teikumu kopsavilkumus no ziņu raksta un ka tas ir bijis apmācīts uz lielu datu kopu NewsStories, kurā ir gandrīz 31 miljons rakstu, 22 miljoni fotogrāfiju un 1 miljons videoklipu, kas paslēpti krūmos.
Šajā projektā mēs uzņemamies pavisam jaunu izaicinājumu: veidojam vizuālus kopsavilkumus, kas ir garāki teksti kopā ar attēlu kolekciju. Apgūstot divus MIL (Multiple Instance Learning) apakšuzdevumus, mērķis ir maksimāli palielināt semantisko līdzību starp katru rakstu un ievades fotoattēliem.
Pirmais solis ir saskaņot attēlu ar visu rakstu pēc tam, kad tas ir pārtulkots atbilstošos attēlojumos, izmantojot gan valodu, gan attēla kodētājus.
Otrais solis ietver teksta raksta sadalīšanu atsevišķos teikumos un katra teikuma kodēšanu citā attēlojumā. Mērķis ir optimizēt savstarpējo informāciju, defined varbūtības sadalījuma izteiksmē starp attēlu un teksta sekvencēm. Rezultātā tika iegūta vislielākā precizitāte.
Noslēgumā jāsaka, ka šis pētījums sniedz dažādus ieguldījumus, sākot no tādām lietojumprogrammām kā automatizēta stāstījuma ilustrācija un beidzot ar sarežģītu uzdevumu saskaņot stāstu un ilustrāciju kolekciju. Uzņēmums saka, modelis var lietot arī citās valodās un ka tā strādā pie datu kopas paplašināšanas, iekļaujot rakstus no citām vietnēm.
Lasiet vairāk saistītos rakstus:
Atbildības noraidīšana
Atbilstīgi Uzticības projekta vadlīnijas, lūdzu, ņemiet vērā, ka šajā lapā sniegtā informācija nav paredzēta un to nedrīkst interpretēt kā juridisku, nodokļu, ieguldījumu, finanšu vai jebkāda cita veida padomu. Ir svarīgi ieguldīt tikai to, ko varat atļauties zaudēt, un meklēt neatkarīgu finanšu padomu, ja jums ir šaubas. Lai iegūtu papildinformāciju, iesakām skatīt pakalpojumu sniegšanas noteikumus, kā arī palīdzības un atbalsta lapas, ko nodrošina izdevējs vai reklāmdevējs. MetaversePost ir apņēmies sniegt precīzus, objektīvus pārskatus, taču tirgus apstākļi var tikt mainīti bez iepriekšēja brīdinājuma.
Par Autors
Damirs ir komandas vadītājs, produktu vadītājs un redaktors Metaverse Post, kas aptver tādas tēmas kā AI/ML, AGI, LLM, Metaverse un Web3- saistītie lauki. Viņa raksti katru mēnesi piesaista lielu auditoriju, kas pārsniedz miljonu lietotāju. Šķiet, ka viņš ir eksperts ar 10 gadu pieredzi SEO un digitālā mārketinga jomā. Damirs ir minēts Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto un citas publikācijas. Viņš ceļo starp AAE, Turciju, Krieviju un NVS kā digitālais nomads. Damirs ir ieguvis bakalaura grādu fizikā, kas, viņaprāt, ir devis viņam kritiskās domāšanas prasmes, kas nepieciešamas, lai gūtu panākumus nepārtraukti mainīgajā interneta vidē.
Vairāk rakstus
Damirs ir komandas vadītājs, produktu vadītājs un redaktors Metaverse Post, kas aptver tādas tēmas kā AI/ML, AGI, LLM, Metaverse un Web3- saistītie lauki. Viņa raksti katru mēnesi piesaista lielu auditoriju, kas pārsniedz miljonu lietotāju. Šķiet, ka viņš ir eksperts ar 10 gadu pieredzi SEO un digitālā mārketinga jomā. Damirs ir minēts Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto un citas publikācijas. Viņš ceļo starp AAE, Turciju, Krieviju un NVS kā digitālais nomads. Damirs ir ieguvis bakalaura grādu fizikā, kas, viņaprāt, ir devis viņam kritiskās domāšanas prasmes, kas nepieciešamas, lai gūtu panākumus nepārtraukti mainīgajā interneta vidē.
