 |
アリババのR1-Omniモデルは、動画内の人物の感情状態を推測できる。写真： Xpert.Digital 。 |
ブルームバーグによると、アリババのTongyi Labは3月11日にR1-Omniモデルをオープンソースとしてリリースした。
このモデルの最も注目すべき特徴は、服装や周囲の環境を描写しながら、ビデオ内の人物の感情状態を推測できることです。
これはコンピュータービジョン分野における前進であり、アリババの主任研究員であるJiaxing Zhao氏が開発した以前のオープンソースモデルHumanOmniのアップグレード版です。具体的には、アリババはHugging Faceプラットフォーム上でR1-Omniを無料ダウンロードできるように公開しました。
研究レポートによると、R1-Omniは視覚情報と聴覚情報が感情認識をどのようにサポートしているかをより深く理解できるという。さらに、視覚と聴覚の両方のモダリティにおける感情認識を向上させるため、このモデルは強化学習アルゴリズムを通じてAIシステムを改善している。
強化学習は、高度な AI ソフトウェア、ロボット、自動運転車などの自動化エージェントによる意思決定に重点を置いた機械学習プロセスの一種です。
これらの自動エージェントは、人間の指示なしに試行錯誤を通じてタスクの実行を学習します。この技術は、不確実な環境における逐次的な意思決定問題を解決するため、AIモデル開発において重要な要素となります。
研究の結果、R1-Omni モデルは他のモデルよりも推論、洞察、一般化の能力が優れていることがわかりました。
出典: https://znews.vn/ai-trung-quoc-doc-duoc-cam-xuc-con-nguoi-post1537948.html
コメント (0)