微軟的一項(xiàng)新AI項(xiàng)目旨在自動(dòng)為文檔和電子郵件中的圖像添加字幕，以便視覺障礙軟件讀取圖像。

微軟的研究人員在有關(guān)預(yù)印本存儲(chǔ)庫(kù)arXiv的論文中解釋了他們的機(jī)器學(xué)習(xí)模型的原理。

該模型使用可視語(yǔ)音詞匯預(yù)訓(xùn)練（VIVO），它利用大量成對(duì)的圖像標(biāo)簽數(shù)據(jù)來(lái)學(xué)習(xí)視覺詞匯。然后，使用帶有適當(dāng)字幕的圖像的第二個(gè)數(shù)據(jù)以幫助教AI如何最好地描述圖片。

“理想情況下，每個(gè)人都應(yīng)在文檔，網(wǎng)絡(luò)，社交媒體中為所有圖像添加替代文本，因?yàn)檫@可以使盲人訪問(wèn)內(nèi)容并參與對(duì)話。但是，可惜，人們卻沒(méi)有?！蔽④汚I平臺(tái)小組的軟件工程經(jīng)理Saqib Shaikh說(shuō)。

總體而言，研究人員希望AI能夠提供Microsoft現(xiàn)有字幕系統(tǒng)兩倍的性能。

為了對(duì)新AI的性能進(jìn)行基準(zhǔn)測(cè)試，研究人員將其納入了“無(wú)上限”挑戰(zhàn)。在撰寫本文時(shí)，Microsoft的AI現(xiàn)在在其排行榜上排名第一。

“無(wú)上限的挑戰(zhàn)實(shí)際上是如何描述您在訓(xùn)練數(shù)據(jù)中沒(méi)有看到的那些新穎的物體？”微軟研究實(shí)驗(yàn)室的首席研究經(jīng)理王麗娟評(píng)論道。

希望使用Microsoft自動(dòng)字幕AI來(lái)構(gòu)建應(yīng)用程序的開發(fā)人員已經(jīng)可以這樣做，因?yàn)锳zure Cognitive Services的Computer Vision軟件包中提供了該功能。

微軟令人印象深刻的SeeingAI應(yīng)用程序?qū)⑹褂眯碌腁I進(jìn)行更新，該應(yīng)用程序使用計(jì)算機(jī)視覺描述視力障礙者的周圍環(huán)境。

“圖像字幕是可以實(shí)現(xiàn)廣泛服務(wù)的核心計(jì)算機(jī)視覺功能之一，”Azure AI認(rèn)知服務(wù)的CTO黃表示。

黃繼續(xù)說(shuō)：“我們AI的這一突破以Azure為平臺(tái)，以服務(wù)于更多客戶?！?“這不僅是研究上的突破；在Azure上將突破轉(zhuǎn)化為生產(chǎn)所需的時(shí)間也是突破?！?/p>

改進(jìn)的自動(dòng)字幕功能也有望在今年晚些時(shí)候在Outlook，Word和PowerPoint中使用。
責(zé)任編輯：YYX