

你有没有试过玩那种"大家来找茬"的游戏?两张几乎一样的图,盯着看半天找不出区别,最后发现差异藏在一个很小的角落里,一个颜色稍微深了一点,一个物体多了半截。
这种时候,你会怎么做?大概率不是死死盯着原图不动,而是来回扫视,放大细节,甚至拿手指头在屏幕上比对。
现在想象让一个AI模型做同样的事。市面上大多数做"视觉感知"的AI,比如那些帮你框出图里物体、分割出轮廓、数清楚有几个人的模型,工作方式其实特别死板:看一眼图,直接给答案。它们假设图片里的信息和自己脑子里存的知识加起来就够用了。
但现实世界可不会这么配合。
一张高清照片里,目标可能只占整张图不到0.1%的面积,肉眼一瞥根本发现不了。一张合照里站着好几个人,你问AI"找出那位2003到2008年当过某生物研究所所长的人
富灯网配资提示:文章来自网络,不代表本站观点。