“我雖然沒有見過你，但是我可以快速準確的了解你”，當下，人們對機器視覺的智能學習能力和精度提出了更高期待。近日，深象智能發(fā)布最新科研成果“視覺增強動態(tài)語義原型方法”，未來將更好的解決機器視覺“生成式零樣本學習”的問題。

此項成果已經(jīng)被 “CVPR2024”收錄，CVPR是與ICCV、ECCV齊名的世界頂級機器視覺和模式識別會議。

機器視覺是人工智能的一個重要分支，在人工智能體系中，機器視覺技術就好比計算機的“眼睛“，不僅能幫助計算機獲取信息，還會理解和處理信息。深象智能是銀泰商業(yè)集團旗下提供場空間機器視覺解決方案的科技公司，其科研團隊發(fā)表的《Visual-Augmented Dynamic Semantic Prototype for Generative Zero-Shot Learning》論文，有效解決了“生成式零樣本學習”問題。當前機器只能對已有類別標簽的圖像樣本學習，未來可以讓機器能通過舉一反三去學習識別從來沒有見過的圖像。

銀泰商業(yè)集團深象智能資深算法專家馮雪濤認為，此項科研成果，未來在“依賴視覺分類技術的場景”有很大的想象空間，例如人、貨、車、物的屬性和行為識別等。另外，在一些來不及為算法模型收集訓練樣本或者難以收集大量訓練樣本的場景，零樣本學習技術相對于傳統(tǒng)方法具有較大優(yōu)勢。