LG представила нейросеть Captioning AI, которая создаёт текстовые описания для изображений

Одно из подразделений компании LG представило свою инновационную генеративную систему искусственного интеллекта под названием Captioning AI.

Эта система способна распознавать элементы на изображениях и генерировать для них описания и ключевые слова. Польза, которую такая технология может принести, особенно заметна при систематизации больших баз данных фотографий у крупных компаний.

Представители LG AI Research выступили на мероприятии Computer Vision and Pattern Recognition 2023, важнейшей конференции в области компьютерного зрения, которая состоялась в Ванкувере, Канада.

Они сообщили, что сервис Captioning AI основан на разработанной технологии Zero-shot Image Captioning, разработанной исследовательским отделом LG AI Research.

Эта технология позволяет искусственному интеллекту "понимать" и описывать объекты и сцены, которые нейросеть впервые оценивает без дополнительных подсказок, основываясь на своем предыдущем опыте, аналогично работе человеческого восприятия.

Отличительной особенностью этой технологии является то, что она отличается от других ИИ-сервисов, таких как Midjourney, где пользователи вводят текст или загружают изображение, и на основе этого ИИ создает свои собственные творения.

Создание "субтитров" для изображений может показаться простой задачей, так как концепция не нова. Однако эта технология подняла планку на новый уровень.

Искусственный интеллект действительно может делать выводы и описывать то, что он никогда раньше не "видел". Он способен рассмотреть пейзаж или человека и определить конкретное место или объект.

Технология также может распознавать фон, персонажей и даже их активности, а также описывать взаимодействие элементов на изображении.

С помощью Captioning AI можно сгенерировать текстовые описания и ключевые слова для более чем 10 тысяч изображений менее чем за два дня.

Такая высокая скорость генерации позволяет повысить эффективность и продуктивность компаний, которым необходимо обрабатывать большие объемы изображений. В среднем система способна генерировать 5 предложений и 10 ключевых слов за 10 секунд.

Этот сервис разработан при активном сотрудничестве с Shutterstock, ведущей платформой для размещения визуального контента, включая изображения и видео.

LG AI Research ранее уже сотрудничала с этой американской компанией и планирует продолжать расширять свое партнерство с ними, а также искать новые партнерские отношения.

Представители Shutterstock отметили, что технология Captioning AI продолжает развиваться благодаря "раннему доступу" к программе, предоставленному десятью глобальными клиентами.