2月25日,上海人工智能實驗室聯(lián)合商湯科技、香港中文大學(xué)、上海交通大學(xué)共同發(fā)布通用視覺開源平臺OpenGVLab,面向?qū)W術(shù)界和產(chǎn)業(yè)界開放其超高效預(yù)訓(xùn)練模型,和千萬級精標注、十萬級標簽量的公開數(shù)據(jù)集,為全球開發(fā)者提升各類下游視覺任務(wù)模型訓(xùn)練提供重要支持。同時,OpenGVLab還同步開放了業(yè)內(nèi)首個針對通用視覺模型的評測基準,便于開發(fā)者對不同通用視覺模型的性能進行橫向評估和持續(xù)調(diào)優(yōu)。目前OpenGVLab開源平臺已正式上線,供各界研究人員訪問和使用,后續(xù)項目還將開通在線推理功能,供所有對人工智能視覺技術(shù)感興趣的社會人士自由體驗。

“開源是一項意義非凡的工作,人工智能技術(shù)的迅速發(fā)展離不開全球研究人員十余年來的開源共建”,上海人工智能實驗室負責(zé)人表示,“希望通過發(fā)布OpenGVLab開源平臺,幫助業(yè)界更好地探索和應(yīng)用通用視覺AI技術(shù),促進體系化解決AI發(fā)展中數(shù)據(jù)、泛化、認知和安全等諸多瓶頸問題,為推動人工智能學(xué)術(shù)、產(chǎn)業(yè)發(fā)展做出貢獻?！?

如今雖然人工智能技術(shù)快速發(fā)展,但很多AI模型還只能完成單一任務(wù),比如識別單一物體,或識別風(fēng)格較為統(tǒng)一的照片。如果要對多種類型、風(fēng)格進行識別,則需要具備足夠的通用性和泛化能力。去年11月,上海人工智能實驗室聯(lián)合商湯科技、香港中文大學(xué)、上海交通大學(xué)發(fā)布的通用視覺技術(shù)體系“書生”,很好地解決了這一問題。如下圖所示,對于不同類型的圖片,它都能較為準確地識別出圖中的內(nèi)容,包括圖畫。

通用視覺開源平臺OpenGVLab正是基于通用視覺技術(shù)體系“書生”(INTERN)打造的。依托“書生”在通用視覺技術(shù)上的強勁支撐,OpenGVLab將幫助開發(fā)者顯著降低通用視覺模型的開發(fā)門檻,用更低成本快速開發(fā)用于成百上千種視覺任務(wù)、視覺場景的算法模型,高效實現(xiàn)對長尾場景的覆蓋,推動AI技術(shù)的規(guī)?；瘧?yīng)用。

開放超高性能模型和千萬級精標注數(shù)據(jù)集,降低學(xué)界投入成本

OpenGVLab充分繼承了通用視覺技術(shù)體系“書生”的技術(shù)優(yōu)勢,其開源的預(yù)訓(xùn)練模型具備極高性能。相較于此前公認的最強開源模型(OpenAI 于2021年發(fā)布的CLIP),OpenGVLab的模型可全面覆蓋分類、目標檢測、語義分割、深度估計四大視覺核心任務(wù),在準確率和數(shù)據(jù)使用效率上均取得大幅提升。

基于同樣的下游場景數(shù)據(jù),開源模型在分類、目標檢測、語義分割及深度估計四大任務(wù)26個數(shù)據(jù)集上,平均錯誤率分別降低了40.2%、47.3%、34.8%和9.4%;同時,在分類、檢測、分割和深度估計中,僅用10%的下游訓(xùn)練數(shù)據(jù)就超過了現(xiàn)有其他開源模型。使用此模型,研究人員可以大幅降低下游數(shù)據(jù)采集成本,用極低的數(shù)據(jù)量,即可快速滿足多場景、多任務(wù)的AI模型訓(xùn)練。

同時,OpenGVLab還提供多種不同參數(shù)量、不同計算量的預(yù)訓(xùn)練模型,以滿足不同場景的應(yīng)用需求。模型庫中列出的多個模型,在ImageNet的微調(diào)結(jié)果和推理資源、速度等方面,相比之前的公開模型均有不同程度的性能提升。

除了預(yù)訓(xùn)練模型,以百億數(shù)據(jù)總量為基礎(chǔ),上海人工智能實驗室構(gòu)建了超大量級的精標注數(shù)據(jù)集,近期將進行數(shù)據(jù)開源工作。超大量級的精標注數(shù)據(jù)集不僅整合了現(xiàn)有的開源數(shù)據(jù)集,還通過大規(guī)模數(shù)據(jù)圖像標注任務(wù),實現(xiàn)了對圖像分類、目標檢測以及圖像分割等任務(wù)的覆蓋,數(shù)據(jù)總量級近七千萬。開源范圍涵蓋千萬級精標注數(shù)據(jù)集和十萬級標簽體系。目前,圖像分類任務(wù)數(shù)據(jù)集已率先開源,后續(xù)還將開源目標檢測任務(wù)等更多數(shù)據(jù)集。

此外,此次開源的超大標簽體系不僅幾乎覆蓋了所有現(xiàn)有開源數(shù)據(jù)集,還在此基礎(chǔ)上擴充了大量細粒度標簽,涵蓋各類圖像中的屬性、狀態(tài)等,極大豐富了圖像任務(wù)的應(yīng)用場景,顯著降低下游數(shù)據(jù)的采集成本。研究人員還可以通過自動化工具添加更多標簽,對數(shù)據(jù)標簽體系進行持續(xù)擴展和延伸,不斷提高標簽體系的細粒度,共同促進開源生態(tài)繁榮發(fā)展。

發(fā)布首個通用視覺評測基準,推動通用視覺模型評測標準統(tǒng)一

伴隨OpenGVLab的發(fā)布,上海人工智能實驗室還開放了業(yè)內(nèi)首個針對通用視覺模型的評測基準,彌補通用視覺模型評測領(lǐng)域的空白。當(dāng)前,行業(yè)中已有的評測基準主要針對單一任務(wù)、單一視覺維度設(shè)計,無法反映通用視覺模型的整體性能,難以用于橫向比較。全新的通用視覺評測基準憑借在任務(wù)、數(shù)據(jù)等層面的創(chuàng)新設(shè)計,可以提供權(quán)威的評測結(jié)果,推動統(tǒng)一標準上的公平和準確評測,加快通用視覺模型的產(chǎn)業(yè)化應(yīng)用步伐。

在任務(wù)設(shè)計上,全新開放的通用視覺評測基準創(chuàng)新地引入了多任務(wù)評測體系,可以從分類、目標檢測、語義分割、深度估計、行為識別5類任務(wù)方向,對模型的通用性能進行整體評估。不僅如此,該評測基準新加了僅用測試數(shù)據(jù)集10%數(shù)據(jù)量的評測設(shè)定,可以有效評估通用模型在真實數(shù)據(jù)分布下的小樣本學(xué)習(xí)能力。在測試后,評測基準還會根據(jù)模型的評測結(jié)果給出相應(yīng)的總分,方便使用者對不同的模型進行橫向評測。

隨著人工智能與產(chǎn)業(yè)融合的不斷深入,行業(yè)對人工智能的需求逐漸從單一任務(wù)向復(fù)雜的多任務(wù)協(xié)同發(fā)展,亟需構(gòu)建開源、開放的體系,以滿足趨于碎片化和長尾化的海量應(yīng)用需求。

去年7月,上海人工智能實驗室發(fā)布開源平臺體系OpenXLab,涵蓋新一代OpenMMLab和決策AI平臺OpenDILab。此次與商湯科技及高校聯(lián)合發(fā)布通用視覺開源平臺OpenGVLab,不僅能幫助開發(fā)者降低通用視覺模型的開發(fā)門檻,為推動通用視覺技術(shù)發(fā)展奠定基礎(chǔ),也進一步完善了OpenXLab開源體系,促進人工智能的基礎(chǔ)研究和生態(tài)構(gòu)建。