當(dāng)?shù)貢r間6月17日，為期5天的IEEE國際計算機視覺與模式識別會議（CVPR2024）在美國西雅圖舉辦。官方數(shù)據(jù)顯示，本屆會議共收到11532篇有效論文投稿，接收了其中2719篇，錄用率為23.6%，比例低于往年。

CVPR主辦方是IEEE，為全球計算機視覺三大頂會之一，迄今舉辦了40次會議。本屆會議螞蟻集團有24篇論文被收錄，其中一篇被組委會重點推薦（highlight）。24篇論文研究方向包括計算機視覺、深度學(xué)習(xí)、數(shù)字人、大模型等。

被組委會重點推薦的論文“用于時序一致性視頻處理的內(nèi)容變形場”，提出了一種全新的視頻處理方法CoDeF，它能將視頻處理簡化為圖像處理。相較于傳統(tǒng)方法，CoDeF能夠?qū)崿F(xiàn)跨幀一致性，跟蹤煙霧、水流等非剛性物體，支持各種圖像算法直接用于視頻處理。用戶只需要處理每個視頻對應(yīng)的靜態(tài)規(guī)范圖像，通過形變場的變換，就可將圖像處理結(jié)果自然地沿著時間維度進行傳播，達到對整個視頻處理的目的，也因此保證了高度的時序一致性。

據(jù)了解，這二十余篇學(xué)術(shù)成果，有部分已經(jīng)在真實業(yè)務(wù)場景中落地應(yīng)用。比如“面向地球觀測影像通用解譯的多模態(tài)遙感基礎(chǔ)模型”一文，介紹了螞蟻自研的多模態(tài)遙感基礎(chǔ)模型SkySense，它是迄今為止國際上參數(shù)規(guī)模最大、覆蓋任務(wù)最全、識別精度最高的多模態(tài)遙感基礎(chǔ)模型。在17 項國際權(quán)威測試場景中，SkySense 的指標(biāo)全面超過國際同類產(chǎn)品。

目前，SkySense已應(yīng)用于網(wǎng)商銀行的衛(wèi)星遙感風(fēng)控系統(tǒng)“大山雀”，可精準(zhǔn)識別和捕捉20多種農(nóng)作物的種類和長勢，讓它們成為銀行認可的資產(chǎn)抵押物，從而靈活、隨時給到種糧戶合理的貸款額度和還款周期。

還有部分學(xué)術(shù)成果，致力于優(yōu)化和提高AI的可靠性、經(jīng)濟性和易用性，為AI持續(xù)降本增效，以推動大模型在真實場景，尤其是嚴(yán)謹產(chǎn)業(yè)中得以規(guī)模化落地應(yīng)用。比如“基于promp的視覺語言模型無監(jiān)督蒸餾”一文，提出了一種基于可學(xué)習(xí)提示的視覺語言模型 CLIP 的蒸餾方法，可將大型 CLIP 教師模型的知識遷移至輕量級 CLIP 學(xué)生模型中。這是將大模型做“小”，提高AI經(jīng)濟性的有效技術(shù)解決方案，AI降本，大模型應(yīng)用才有可能成為主流。實驗結(jié)果表明，該蒸餾方法訓(xùn)練出的模型，在多個數(shù)據(jù)集上達到了最先進的性能。

據(jù)介紹，螞蟻此次被CVPR收錄的24篇論文中，有13篇出自螞蟻技術(shù)研究院。作為螞蟻聚焦前瞻科技的科研團隊，螞蟻技術(shù)研究院設(shè)立了交互智能、數(shù)據(jù)庫、圖計算、計算系統(tǒng)、程序設(shè)計語言與編譯器、密碼學(xué)等六個實驗室，以推動實現(xiàn)幾個階段性目標(biāo)：在人工智能方向，能做出真正通過圖靈測試的智能模型，以及可以以假亂真、實時可交互的高精度數(shù)字人；在隱私計算方向，實現(xiàn)隱私計算軟硬件結(jié)合加速10萬倍；在數(shù)據(jù)方向，做到讓數(shù)據(jù)庫更智能，以及在圖計算上部署大腦模擬和融合神經(jīng)科學(xué)的智能機理研究。

據(jù)了解，清華大學(xué)、南京大學(xué)、華中科技大學(xué)、哈爾濱工業(yè)大學(xué)、西安電子科技大學(xué)、華南理工大學(xué)、騰訊、字節(jié)跳動等國內(nèi)高校和互聯(lián)網(wǎng)企業(yè)均有論文被該會議收錄。在這波生成式AI科技浪潮下，國內(nèi)校企正在發(fā)力積極參與其中。