生成式人工智能时代生产模式变革与反思

以ChatGPT为代表的生成式人工智能,在社会生产过程中的重要性愈发明显,吸引了诸多目光。本文认为,生成式人工智能具有“无中介化”的独特性质,方便了生产与创作,但是也进一步加深了人在技术发展下的“异化”,使人丧失了本该拥有的创造主体性等。本文就上述问题展开论述,希望规范AI技术的发展和使用,保护使用者的隐私,使普通用户也能正确掌握使用AI的场景和方式。

局部回归模型驱动的人脸素描自动生成

为了兼顾生成人脸素描与对应照片间的相像性和艺术性,提出一种利用局部回归模型学习照片-素描间的映射关系自动生成人脸素描的方法.首先在图像局部区域上采用回归技术获得照片-素描对应局部区域之间的映射关系;然后将映射关系应用到输入的人脸照片上,考虑结构性特征并模拟铅笔素描笔触来合成对应的素描图像.在CUFS数据库上的实验结果表明,采用该方法合成的素描保持了原始人脸照片的身份信息,并且体现出较好的铅笔素描纹理.

结合知识图谱的篮球赛事新闻可视化

体育赛事新闻的可视分析涉及体育赛事分析和新闻可视化,对快速生成赛事新闻报道、增强赛事新闻表现力、辅助赛事分析有重要作用.针对篮球比赛的重要赛事数据,如篮球比赛球员数据、球队数据和比赛的时间、空间数据,辅以知识图谱丰富背景知识,设计了交互式可视化工具.设计的交互可视工具面向数据新闻的制作,以体育赛事新闻的自动报道为需求,除了包括基础数据的概览和统计视图外,还包括赛事背景数据的知识图谱可视设计、赛事时空数据可视视图,让篮球爱好者和普通大众读者拥有多维度的视角去了解篮球赛事的各种信息.实现的可视化系统,通过篮球爱好者、普通大众读者和专业体育新闻记者等用户的评测,在5分制的量化评分下,各可视模块的均分基本在4分以上,证明了知识图谱用于篮球赛事可视化兼具生动性和知识性,可以增强篮球赛事新闻的表现力.

融合知识图谱的NBA赛事新闻的自动写作

针对文字直播自动摘要的新闻稿存在背景信息缺乏、难以引起读者兴趣等不足,该文提出一种NBA赛事新闻的自动生成方法。采用该文提出的关键事件抽取算法从文字直播数据中抽取事件点、匹配突出关键事件的模板来生成新闻初稿,再从构建的NBA赛事知识图谱中提取背景信息和描述重点,自动生成最终的新闻稿。该文构建并公开的NBA赛事领域知识图谱,包含3个概念类、4种关系和27个属性,共有5893个实体节点。对实验生成的新闻结果随机选取了50场赛事进行了主客观评测。评测结果表明,该文提出的融合知识图谱的新闻自动写作方法有效解决了背景信息缺乏和新闻要素嵌入问题,知识图谱的使用能明显提升所生成的新闻的质量,并可支持新闻的深度阅读。

可变摩擦力触感移动终端的汉语盲文编码设计

在智能触屏移动终端上表达盲文是一件具有深刻现实意义但又充满挑战的工作。为了让视障人士能够通过摸读智能触屏移动终端上的盲文来获取信息,提出了3种基于可变摩擦力触感的移动终端通用汉语盲文编码方法,分别为通用盲文编码方法、声调嵌入编码方法及4行2列编码方法。基于压电传感器的超声震荡波可在物体表面产生可变摩擦力触感的原理,在智能移动终端上实现汉语盲文触感编码。通过对12名盲人用户进行2次系统实验,从摸读效率、摸读准确率和用户满意度方面对编码方法进行可用性评估。首先,对3种编码方法进行可用性评估(实验1),然后基于实验1的结果,挑选4行2列编码方法与基于向右滑动摸读方式的振动马达触觉反馈编码方法进行可用性对比(实验2)。实验1结果显示,3种编码方法的平均摸读效率分别为8.82,4.91,4.12 s/汉字,平均摸读准确率分别为98.6%,96.8%,98.6%,4行2列编码方法在用户满意度方面的综合得分最高。实验2结果表明,与基于向右滑动摸读方式的振动马达触觉反馈编码方法相比,4行2列编码方法的摸读效率、摸读准确率及用户满意度更高。综上所述,采用4行2列编码方法能够在移动终端上实现对通用汉语盲文的编码和摸读,可为视障人士在智能移动终端上摸读汉语盲文提供新思路。

新闻可视化综述

新闻可视化是数据新闻很重要的呈现部分,通过将文字、数据转换为简洁的图形、表格、动画等形式来精简呈现新闻要素以及它们之间的直观逻辑关系。以可视化新闻的形式进行新闻发布,可以极大程度的提高数据的利用率以及信息的传播率。随着信息的发展以及多媒介的融合,新闻可视化不仅是新闻业的重点关注目标,也是互联网等业界的关注热点。文章从人工新闻可视化的不同呈现方式和利用计算机辅助新闻可视化两方面分别总结了近年来国内外新闻可视化技术的研究现状。最后分析了目前新闻可视化存在的不足,面临着新闻呈现表象化、信息传送缺乏针对性、计算机辅助智能化欠缺等挑战,这将是今后新闻可视化的研究的主流方向。

图像-文本多模态指代表达理解研究综述

指代表达理解(referring expression comprehension,REC)作为视觉—语言相结合的多模态任务,旨在理解输入指代表达式的内容并在图像中定位其所描述的目标对象,受到计算机视觉和自然语言处理两个领域的关注。REC任务建立了人类语言与物理世界的视觉内容之间的桥梁,可以广泛应用于视觉理解系统和对话系统等人工智能设备中。解决该任务的关键在于对复杂的指代表达式进行充分的语义理解;然后利用语义信息对包含多个对象的图像进行关系推理以及对象筛选,最终在图像中唯一地定位目标对象。本文从计算机视觉的视角出发对REC任务进行了综述,首先介绍该任务的通用处理流程。然后,重点对REC领域现有方法进行分类总结,根据视觉数据表征粒度的不同,划分为基于区域卷积粒度视觉表征、基于网格卷积粒度视觉表征以及基于图像块粒度视觉表征的方法;并进一步按照视觉—文本特征融合模块的建模方式进行了更细粒度的归类。此外,本文还介绍了该任务的主流数据集和评估指标。最后,从模型的推理速度、模型的可解释性以及模型对表达式的推理能力3个方面揭示了现有方法面临的挑战,并对REC的发展进行了全面展望。本文希望通过对REC任务现有研究以及未来趋势的总结为相关领域研究人员提供一个全面的参考以及探索的方向。