XiaoMi-AI文件搜索系统
World File Search System图像描述
使用图像描述影响说话能力的发展
15名大学生签署了该计划。为了改善他们的语音缺陷，他们报名参加了在线治疗课程。老师开始邀请学生加入WhatsApp小组来做好准备。然后，为了将学生包括在提供想法中，他要求他们从他们的电话专辑中选择首选照片。获得文本，讲师指示学生将这种图像输入到人工智能（AI）援助申请中。之后，使用了一个附加的AI程序来从文本中提取音频，用于重述故事。为了帮助他们管理学习，老师向每个学生发表了评论。得出结论，然后进行了定性分析。根据研究的发现，当学生使用AI助手重述时，学生的语音技能得到了提高。老师会发现结果有用。
人工智能 (AI) 图像提示指南
图像描述提示是艺术家与 AI 艺术系统“对话”的方式，编写好的提示是创作 AI 图像的关键技能。提示可以简单到“一只快乐的狗”，也可以复杂到“一只非常可爱的毛茸茸的狗，带着喜悦和希望的表情，具有蒸汽朋克风格，就像塞尚的画作一样，照片般逼真且细节丰富”。以下是一些要组合的示例术语。
授权或排除
人工智能（AI）系统可以定义为“基于机器的系统，可以做出影响，建议或影响实际或虚拟环境的决定”（美国司法部民权部门，2024年）。越来越关注AI减轻残疾人的障碍的潜力。示例包括用于非驾驶员的自动驾驶汽车（AV），有助于进行通信或认知任务的生成AI以及用于图像描述的AI系统。但是，这些系统以及AI的其他主流应用也可能为残疾人带来新的障碍。例如，已证明用于训练和开发AI系统的数据集已被证明是出于基于种族和性别特征而处于边缘化群体的偏见（Kamikubo等，2022; Lewicki等，2023; Shelby等，2023）。这些偏见也可能不利受自动决定影响的残疾人（残疾人权利教育和国防基金，2022年； Glasgo等，2024； Tyson，2024）。
解开过去语义信息的记忆
人类的视觉系统能够处理连续的视觉信息流，但大脑在连续的视觉处理过程中如何编码和检索近期的视觉记忆仍不清楚。本研究探讨了在连续的视觉刺激下，工作记忆保留过去信息的能力。然后我们提出了一项新任务——记忆解开，旨在从 fMRI 信号中提取和解码过去的信息。为了解决过去记忆信息干扰的问题，我们设计了一种解开的对比学习方法，灵感来自前摄干扰现象。该方法将相邻 fMRI 信号之间的信息分离为当前和过去成分，并将它们解码为图像描述。实验结果表明，该方法有效地解开了 fMRI 信号中的信息。这项研究可以推进脑机接口并缓解 fMRI 中时间分辨率低的问题。1
人工验证对增强人工智能的重要性
本白皮书探讨了人工验证与人工智能的整合，特别关注了 Aira 的 Access AI 和 Aira Verify。Access AI 是一款面向盲人和低视力群体的人工智能图像聊天工具，它为实时图像描述提供了新的可能性，但也带来了人工智能幻觉等挑战——不正确或误导性的回答。通过聚类分析、任务分类和统计研究，Aira 分析了行业领先的人工智能模型，揭示了围绕幻觉的挑战，揭示了人工验证的必要性。为了应对这些挑战，Aira 实施了 Aira Verify，这是一种人机协同 (HITL) 流程，利用专业的视觉解释器通过验证或纠正人工智能响应来提高人工智能的准确性。本白皮书详细介绍了人工监督在人工智能应用中的重要性、人工验证在减少幻觉方面的有效性，以及通过分析行业领先的人工智能性能和用户反馈获得的见解。
使用深度学习的自动图像字幕
摘要：本研究采用复杂的深度学习技术来开发健壮的自动图像字幕模型，整合卷积神经网络（CNN），用于复杂的特征提取和长期短期记忆网络（LSTMS），以生成细微的序列。旨在解决在线视觉内容的激增，该技术促进了有效的图像解释，并通过涵盖可访问性增强的应用程序来提高可访问性，改进的搜索功能的内容索引索引，并通过上下文相关的图像标题来增强社交媒体参与度。该研究为计算机视觉提供了宝贵的见解，应对产生连贯的图像描述的挑战。精心调整的模型同时进行定量和定性评估，展示了在内容检索和人类计算机相互作用中创新应用的有希望的结果。最终，这项研究愿意提高自动图像理解，从而促进对视觉信息的增强性和推动人工智能的进步。
图像字幕结合GAN训练方法
摘要 在图像数量庞大、人们无法快速检索所需信息的当今世界，我们迫切需要一种更加简便、人性化的图像理解方式，图像字幕应运而生。图像字幕，顾名思义，就是通过分析理解图像信息，生成特定图像的自然语言描述，近年来被广泛应用于图文交叉研究、婴幼儿教育、弱势群体帮扶以及产业界的青睐，产生了许多优秀的研究成果。目前对图像字幕的评价基本基于BLUE、CIDEr等客观评价指标，容易导致生成的字幕无法接近人类语言表达，而GAN思想的引入使得我们能够采用对抗训练这种新的方法来对生成的字幕进行评价，评价模块更加自然、全面。考虑到对图像逼真度的要求，本课题提出了一种基于GAN的图像描述。引入Attention机制来提高图像保真度，使得生成的字幕更加准确，更接近人类的语言表达。