chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

機(jī)器學(xué)習(xí)技術(shù)將促使“算法生成新聞提要和內(nèi)容推薦”的應(yīng)用普及

倩倩 ? 來源:lq ? 作者:中國日報(bào)網(wǎng) ? 2019-09-20 15:04 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

據(jù)Techcrunch外媒報(bào)道稱,機(jī)器學(xué)習(xí)技術(shù)將促使“算法生成新聞提要和內(nèi)容推薦”的應(yīng)用普及,而用戶UGC和自動(dòng)內(nèi)容創(chuàng)建技術(shù)將有助于未來新聞內(nèi)容的個(gè)性化、智能化。

專注于智能系統(tǒng)和個(gè)性化技術(shù)的Yle產(chǎn)品負(fù)責(zé)人Jarno M. Koponen表示,“可見,下一階段內(nèi)容將是根據(jù)消費(fèi)者的偏好和情緒量身定制,軟件自主生成的故事,根據(jù)用戶數(shù)字足跡,個(gè)人偏好,自然語義理解等綜合人工智能技術(shù)的運(yùn)用,將對包括新聞文章,實(shí)時(shí)視頻、流媒體服務(wù)的熱門劇集等內(nèi)容題材進(jìn)行自動(dòng)化的軟件生成”。

國內(nèi)專注于智能影像生產(chǎn)技術(shù)的影譜科技表示,“影像內(nèi)容將是繼文字、圖片之后的主要信息載體,隨著信息視頻化提速,影像內(nèi)容產(chǎn)制播將進(jìn)一步向個(gè)性化和智能化演進(jìn),智能影像與機(jī)器影像并存?!?/p>

從智能推薦到更智能的內(nèi)容

當(dāng)用戶使用Youtube,F(xiàn)acebook時(shí),谷歌,亞馬遜, 推特, Netflix或Spotify算法會(huì)選擇推薦與用戶相關(guān)的個(gè)性化內(nèi)容。但到目前為止,每個(gè)人的內(nèi)容體驗(yàn)本身大同小異,如向不同用戶推薦同一篇新聞文章,直播視頻或電視劇集,此類用戶都會(huì)閱讀并觀看相同的內(nèi)容,體驗(yàn)相同的內(nèi)容。

但隨著智能化內(nèi)容的出現(xiàn),這即將改變。很快,用戶將看到新形式的智能內(nèi)容,這是由于用戶個(gè)性化需求追蹤、機(jī)器學(xué)習(xí)技術(shù)和內(nèi)容本身以無縫方式組合,以創(chuàng)建個(gè)性化的內(nèi)容體驗(yàn)。

什么是智能內(nèi)容(智能影像)

智能內(nèi)容意味著內(nèi)容本身受到閱讀或視聽內(nèi)容的影響,根據(jù)人工智能技術(shù)、用戶個(gè)性化需求追蹤、機(jī)器學(xué)習(xí)技術(shù)等創(chuàng)建一個(gè)有別于物理世界的內(nèi)容,可以是音視頻或文字圖像,內(nèi)容本身會(huì)根據(jù)批量用戶或單個(gè)用戶而變化。

我們已經(jīng)看到了這個(gè)領(lǐng)域的第一批先行者。TikTok整個(gè)內(nèi)容體驗(yàn)是由短視頻、視聽內(nèi)容序列驅(qū)動(dòng)的,如果用戶愿意,通過算法訂購和編織在一起。每個(gè)用戶根據(jù)觀看歷史和用戶個(gè)人資料看到不同的個(gè)性化 “整體”。

與此同時(shí),Netflix最近開始測試新形式的互動(dòng)內(nèi)容(電視劇集,例如Black Mirror:Bandersnatch),其中用戶自己的選擇直接影響內(nèi)容體驗(yàn),包括對話和故事情節(jié)。還有更多正在進(jìn)行中。通過Love Death&Robots系列,Netflix正在嘗試系列中的劇集順序,以不同的順序?yàn)椴煌挠脩籼峁﹦〖?/p>

交互式視聽內(nèi)容早期應(yīng)用于體育賽事流媒體,用戶可以決定遵循哪個(gè)特定流以及她如何與現(xiàn)場內(nèi)容交互,例如,重繞流并基于她自己的興趣發(fā)現(xiàn)關(guān)鍵時(shí)刻。

同時(shí),我們看到機(jī)器學(xué)習(xí)技術(shù)用于創(chuàng)建想象的人,生物和場景的影像。當(dāng)前系統(tǒng)可以重建和改變整個(gè)視頻,例如通過改變視頻結(jié)構(gòu),場景,光照,環(huán)境或中心人物。此外,影譜科技表示,AI智能影像解決方案能夠生成不同類型的視頻。

現(xiàn)在,TikTok的個(gè)人短片將通過AI智能影像系統(tǒng)自動(dòng)選擇個(gè)性化效果,而整個(gè)視頻可以根據(jù)用戶量身定制重制。或者,Netflix的交互式內(nèi)容中的選項(xiàng)會(huì)影響情節(jié)曲折,對話甚至是音軌、視頻幀,這些選擇是根據(jù)用戶喜好自動(dòng)生成的。

事實(shí)上,智能影像解決方案在流媒體領(lǐng)域的充分應(yīng)用在推動(dòng)“個(gè)性化的智能內(nèi)容將成為新聞”。影譜科技表示,其自動(dòng)化內(nèi)容生產(chǎn)系統(tǒng)采用NLP技術(shù)、自研的MAPE生產(chǎn)引擎,可以大規(guī)模生成中短易懂、甚至創(chuàng)新的新聞可視化內(nèi)容。目前,媒體公司使用其自動(dòng)內(nèi)容創(chuàng)建系統(tǒng)或“機(jī)器人記者”來創(chuàng)建從完整文章到視聽剪輯和可視化的新聞材料。通過內(nèi)容霧化(將內(nèi)容分解為小的模塊化信息塊)和機(jī)器學(xué)習(xí),可以大量增加內(nèi)容生產(chǎn)以支持智能內(nèi)容創(chuàng)建。

如何創(chuàng)建包含不同體驗(yàn)的智能內(nèi)容(智能影像)

內(nèi)容本身被視為一個(gè)迭代和可配置的商品或過程,而不是在發(fā)布時(shí)完成的現(xiàn)成靜態(tài)整體。

重要的是,內(nèi)容體驗(yàn)的核心構(gòu)建發(fā)生了變化:智能內(nèi)容由霧化的模塊化元素組成,可以根據(jù)不同的規(guī)則對其進(jìn)行修改,更新,重新混合,替換,省略和激活。此外,如果適用,可以重復(fù)使用過去制作的內(nèi)容模塊,內(nèi)容的設(shè)計(jì)和開發(fā)更像軟件一樣可以迭代。

目前,大量的人力和計(jì)算資源被用于為內(nèi)容分發(fā)和推薦系統(tǒng)準(zhǔn)備內(nèi)容,從智能新聞應(yīng)用到按需求傳輸服務(wù)。對于智能內(nèi)容,內(nèi)容創(chuàng)建及其對發(fā)布和分發(fā)渠道的準(zhǔn)備并不是一個(gè)單獨(dú)過程。相反,描述和定義內(nèi)容的原數(shù)據(jù)和其他不可見功能從一開始就是內(nèi)容創(chuàng)建過程中不可或缺的一部分。

通過智能內(nèi)容,敘事圖像或視頻本身成為迭代反饋循環(huán)的組成部分,其中用戶的動(dòng)作,情感和其他信號等從整個(gè)內(nèi)容消費(fèi)周期創(chuàng)建和推薦內(nèi)容體驗(yàn)。通過智能內(nèi)容功能,新聞短視頻或流媒體可以為不同的內(nèi)容幀內(nèi)元素進(jìn)行迭代和管理,如娛樂流媒體內(nèi)的明星替換、流媒體內(nèi)的道具創(chuàng)建等應(yīng)用,都將變得易如反掌。

創(chuàng)建智能內(nèi)容需要人工策劃和機(jī)器智能。人類專注于需要?jiǎng)?chuàng)造力和深度分析的事物,而人工智能系統(tǒng)則負(fù)責(zé)自動(dòng)生成,組裝和迭代變得動(dòng)態(tài)和自適應(yīng)的內(nèi)容,就像軟件一樣。

智能影像可針對不同的用戶,用戶應(yīng)用程序,設(shè)備,語言和環(huán)境具有不同的配置和表現(xiàn)。同一條內(nèi)容包含可通過語音用戶界面訪問或在增強(qiáng)現(xiàn)實(shí)應(yīng)用程序中顯示的元素,或者整個(gè)內(nèi)容擴(kuò)展為完全沉浸式的虛擬現(xiàn)實(shí)體驗(yàn)。

智能影像是AI技術(shù)和講故事的最終組合。新聞媒體應(yīng)該是最先開始嘗試智能內(nèi)容的機(jī)構(gòu)之一。當(dāng)智能影像開始成為信息主體時(shí),掌握智能影像的第一批玩家將成為明天的衛(wèi)冕數(shù)字巨頭。這也是今天科技巨頭認(rèn)真對待內(nèi)容游戲的主要原因之一。智能影像即將到來。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 智能系統(tǒng)
    +關(guān)注

    關(guān)注

    2

    文章

    407

    瀏覽量

    73314
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8503

    瀏覽量

    134638
  • 智能影像
    +關(guān)注

    關(guān)注

    0

    文章

    14

    瀏覽量

    3167
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    【「# ROS 2智能機(jī)器人開發(fā)實(shí)踐」閱讀體驗(yàn)】視覺實(shí)現(xiàn)的基礎(chǔ)算法的應(yīng)用

    。 學(xué)習(xí)建議 對于初學(xué)者,建議先通過仿真(如Gazebo)驗(yàn)證算法,再遷移到真實(shí)機(jī)器人,以降低硬件調(diào)試成本。 多參與開源社區(qū)(如ROS2的GitHub項(xiàng)目),學(xué)習(xí)前沿
    發(fā)表于 05-03 19:41

    請問STM32部署機(jī)器學(xué)習(xí)算法硬件至少要使用哪個(gè)系列的芯片?

    STM32部署機(jī)器學(xué)習(xí)算法硬件至少要使用哪個(gè)系列的芯片?
    發(fā)表于 03-13 07:34

    機(jī)器學(xué)習(xí)模型市場前景如何

    當(dāng)今,隨著算法的不斷優(yōu)化、數(shù)據(jù)量的爆炸式增長以及計(jì)算能力的飛速提升,機(jī)器學(xué)習(xí)模型的市場前景愈發(fā)廣闊。下面,AI部落小編探討機(jī)器
    的頭像 發(fā)表于 02-13 09:39 ?365次閱讀

    華為云 Flexus X 實(shí)例部署安裝 Jupyter Notebook,學(xué)習(xí) AI,機(jī)器學(xué)習(xí)算法

    前言 由于本人最近在學(xué)習(xí)一些機(jī)器算法,AI 算法的知識,需要搭建一個(gè)學(xué)習(xí)環(huán)境,所以就在最近購買的華為云 Flexus X 實(shí)例上安裝了
    的頭像 發(fā)表于 01-02 13:43 ?540次閱讀
    華為云 Flexus X 實(shí)例部署安裝 Jupyter Notebook,<b class='flag-5'>學(xué)習(xí)</b> AI,<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>算法</b>

    傳統(tǒng)機(jī)器學(xué)習(xí)方法和應(yīng)用指導(dǎo)

    在上一篇文章中,我們介紹了機(jī)器學(xué)習(xí)的關(guān)鍵概念術(shù)語。在本文中,我們會(huì)介紹傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識和多種算法特征,供各位老師選擇。 01 傳統(tǒng)
    的頭像 發(fā)表于 12-30 09:16 ?1194次閱讀
    傳統(tǒng)<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>方法和應(yīng)用指導(dǎo)

    【「具身智能機(jī)器人系統(tǒng)」閱讀體驗(yàn)】+初品的體驗(yàn)

    學(xué)習(xí)資源,以培養(yǎng)更多的專業(yè)人才。隨著具身智能機(jī)器技術(shù)對社會(huì)的影響越來越大,該書還可以向公眾普及相關(guān)的知識,以提升社會(huì)對新技術(shù)的認(rèn)知和接受
    發(fā)表于 12-20 19:17

    AIGC與傳統(tǒng)內(nèi)容生成的區(qū)別 AIGC的優(yōu)勢和挑戰(zhàn)

    、AIGC與傳統(tǒng)內(nèi)容生成的區(qū)別 數(shù)據(jù)類型與處理 : AIGC主要面向非結(jié)構(gòu)化數(shù)據(jù)的生成,如自然語言文本、圖像、音頻、視頻等。這類數(shù)據(jù)規(guī)模更大,內(nèi)在結(jié)構(gòu)更復(fù)雜,對處理技術(shù)提出了更高要求。
    的頭像 發(fā)表于 11-22 16:04 ?1437次閱讀

    NPU與機(jī)器學(xué)習(xí)算法的關(guān)系

    在人工智能領(lǐng)域,機(jī)器學(xué)習(xí)算法是實(shí)現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升,對計(jì)算資源的需求也在不斷增長。NPU作為一種專門為深度學(xué)習(xí)
    的頭像 發(fā)表于 11-15 09:19 ?1229次閱讀

    AIGC生成內(nèi)容的優(yōu)勢與挑戰(zhàn)

    人工智能生成內(nèi)容(AIGC,Artificial Intelligence Generated Content)是指利用人工智能技術(shù)自動(dòng)生成文本、圖像、音頻和視頻等
    的頭像 發(fā)表于 10-25 15:36 ?1798次閱讀

    AIGC算法解析及其發(fā)展趨勢

    、AIGC算法解析 核心基礎(chǔ) 人工智能算法 :AIGC技術(shù)的基礎(chǔ)和靈魂,如深度學(xué)習(xí)機(jī)器學(xué)習(xí)
    的頭像 發(fā)表于 10-25 15:35 ?1573次閱讀

    AIGC與傳統(tǒng)內(nèi)容生成的區(qū)別

    AIGC : 主要面向非結(jié)構(gòu)化數(shù)據(jù)的生成,如自然語言文本、圖像、音頻、視頻等。 這類數(shù)據(jù)規(guī)模更大,內(nèi)在結(jié)構(gòu)更復(fù)雜,對處理技術(shù)提出了更高要求。 傳統(tǒng)內(nèi)容生成 : 主要處理結(jié)構(gòu)化數(shù)據(jù),如
    的頭像 發(fā)表于 10-25 15:13 ?1264次閱讀

    AIGC技術(shù)內(nèi)容創(chuàng)作中的應(yīng)用

    在數(shù)字化時(shí)代,內(nèi)容創(chuàng)作已經(jīng)成為信息傳播的重要方式。隨著人工智能技術(shù)的不斷進(jìn)步,AIGC技術(shù)逐漸成為內(nèi)容創(chuàng)作的新引擎。 一、AIGC技術(shù)概述
    的頭像 發(fā)表于 10-25 15:08 ?2130次閱讀

    人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)存在什么區(qū)別

    人工智能指的是在某種程度上顯示出類似人類智能的設(shè)備。AI有很多技術(shù),但其中一個(gè)很大的子集是機(jī)器學(xué)習(xí)——讓算法從數(shù)據(jù)中學(xué)習(xí)。
    發(fā)表于 10-24 17:22 ?2981次閱讀
    人工智能、<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>和深度<b class='flag-5'>學(xué)習(xí)</b>存在什么區(qū)別

    深度識別算法包括哪些內(nèi)容

    深度識別算法是深度學(xué)習(xí)領(lǐng)域的一個(gè)重要組成部分,它利用深度神經(jīng)網(wǎng)絡(luò)模型對輸入數(shù)據(jù)進(jìn)行高層次的理解和識別。深度識別算法涵蓋了多個(gè)方面的內(nèi)容,主要包括以下幾種類型: 1. 卷積神經(jīng)網(wǎng)絡(luò)(CN
    的頭像 發(fā)表于 09-10 15:28 ?844次閱讀

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】+ 鳥瞰這本書

    清晰,從時(shí)間序列分析的基礎(chǔ)理論出發(fā),逐步深入到機(jī)器學(xué)習(xí)算法在時(shí)間序列預(yù)測中的應(yīng)用,內(nèi)容全面,循序漸進(jìn)。每一章都經(jīng)過精心設(shè)計(jì),對理論知識進(jìn)行了詳細(xì)的闡述,對實(shí)際案例進(jìn)行了生動(dòng)的展示,使讀
    發(fā)表于 08-12 11:28