逶迤百转的山川林海,星罗棋布的农田水脉,交错纵横的街区建筑……在今天,已经可以如掌上观纹般被观测与解析。这是遥感技术与人工智能结合给予人类的又一项科技应用成果。
第二届光合组织AI解决方案大赛上,锐思数智的RS Matrix 遥感影像智能解译联合解决方案,全方位展示了“遥感+AI”在自然资源调查监管等领域的应用前景,同时也进一步体现出国产技术生态的强大潜力,给出了一条技术应用突围的新路径。
遥感+AI的技术融合迭代
多年来,锐思数智专注于“遥感+AI+云计算”的研究,打造了涵盖IAAS、PAAS以及人工智能行业应用的RS Matrix睿思矩阵系列产品。旨在通过遥感技术与人工智能技术的结合,对海量多源异构的遥感影像数据进行一体化、全方位的智能解译和处理,大幅缩短遥感影像解译周期,提升解译的准确率及精准度。
其中,RS Matrix 遥感影像智能解译平台作为基于深度学习算法的遥感影像全场景智能解译平台软件,可完成多源遥感影像地物分类、变化检测和目标识别等智能处理,提供数据存管、样本库建设、训练解译等全流程智能解译服务。
自2019年逐渐与海光产品体系对接以来,锐思数智将该平台与海光CPU芯片和异构加速卡进一步完成适配和调优,成功构建出“RS Matrix遥感影像智能解译联合解决方案”,一举斩获光合组织AI解决方案大赛二等奖。
该方案不仅展现出绝佳的训练和推理性能,还将遥感AI技术与海光国产平台的高通用性充分整合,打造出包含算力、数据、模型的全方位支持和服务。
同时,面向政企类客户的安全保密需求,锐思数智还与海光打造了包含数据存储、算力管理、训练推理等软硬一体化方案,实现了全国产化的安全性能。
在数据存储领域,锐思数智数据存管用平台搭配海光存储服务器,实现数据管理应用,无需本地落盘即可方便使用;算力管理领域,锐思数智多元算力云平台搭配海光服务器+作业终端,实现了算力资源的合理统筹和调度;训练推理方面,锐思数智遥感AI解译平台适配海光异构加速卡,可进一步加速深度学习的模型训练及影像智能化解译。
软硬件生态支撑下的应用突围
锐思数智市场部经理高红锋认为,该方案能在众多参赛选手中脱颖而出原因有三:一是技术上的领先,基于遥感技术和人工智能完美结合和创新,进一步提升了传统技术的效率和精度;二是应用上的突破,方案应用范围比较广,未来市场前景可观;三是与海光硬件基础设施的契合度比较高,适配效果非常好,进一步提升了产品技术性能。
强大的产品技术、坚实的硬件底座,以及生态资源上的协同发力,为锐思数智“遥感+AI”技术的应用发展开辟了巨大的空间。
高红锋指出,“依托海光的国产硬件产品支撑,以及光合组织生态伙伴资源上的支持,锐思数智可以在产品性能和适配应用能力方面得到多重加成,非常有利于公司在信创市场的发展。”
此外,以光合组织为牵引,锐思数智进一步加深了与海光的合作深度,同时也加速拓展着产业链上下游的生态圈,拥有了更开放的生态协同发展视野。
“光合组织AI解决方案大赛为大家提供了一个很好的平台,不仅很好地展示了我们的产品技术成果,也让产业生态力量得到了进一步整合,未来锐思数智希望与生态伙伴继续深化生态合作,为客户打造更完美的解决方案。”高红锋透露,锐思数智已经再次参与报名第三届大赛,目前正在积极筹备新的参赛技术方案。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。