2019年6月18日,第六届全国商业IT服务转型巡回暨新技术新产品推介会(济南站)在济南龙都国际大酒店举行。活动由“中国电子商会商业信息化专委会”与《智慧零售与餐饮》联合举办,旨在推动零售以及餐饮业的智能化、数据化创新,为各地的零售以及餐饮业经营者提供有价值的整体解决方案。
杰和GDSM数字标牌管理系统,作为通过Intel认证并重点推广的“英特尔物联网行业整体解决方案”(Intel MRS)受邀参加活动,并作了题为《GDSM利用AI视讯技术加速零售业智慧升级》的主题演讲,同时还在现场展示了基于人工智能和电脑视觉技术的GDSM智能数字标牌。
在网络购物的冲击下,实体零售持续下滑,人们在面对线下消费时越来越注重自身的消费体验。这意味着零售商需要为进入实体店的顾客创造新的体验。AI可以通过个性化将其提升到一个新的水平。杰和GDSM是以AI和深度学习为动力的智慧数字标牌平台,可以对客户进行识别,并根据客户的面部特征检索其购买历史或者直接向他们推送有用的商品信息。GDSM可以通过两种方式来改进内容投送。
首先利用大数据升产品销量。例如在天气炎热的夏日冰镇饮料的销量会大幅攀升。深度学习通过采集分析终端情况,为此不同环境设置相应内容。例如在气温骤降的阴雨天,系统检测到天气数据适合饮用热饮,这时智慧数字标牌系统通过学习会自动撤下冷饮的促销广告,并将其更换为热饮促销广告。
其次是利用AI视觉技术“智造”个性化内容。如果一名女性购物者走进一家时装店,数字标牌系统可能会发现她穿着颜色亮丽的连衣裙。系统获取这些信息,然后检索店内亮色连衣裙的品类,然后将这些信息通过无处不在的数字标牌实时传达给购物者。不仅能让顾客看到个性化的信息,还能促进他们查看这些商品并进而带动更多销售。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。