联想发布企业级人工智能平台联想大脑，还谈了对元宇宙的看法，联想的处境和出路是怎样的，

联想方案服务在EdgeAI侧获重大突破：零样本实例检测夺得冠军

近日，2023 CVPR workshop零样本实例检测大赛(Ego4D PACO Zero-Shot Instance Detection Challenge)结果揭晓，联想研究院上海分院和上海交通大学联合团队在比赛中勇夺冠军，来自联想研究院上海分院的刘云辉和盛兴东是此次获奖团队的成员。这是交大-联想人工智能联合实验室所取得的阶段性产学研合作成果，也是联想方案服务为智能化转型按下加速键的一小步。#联想方案服务##联想服务器#

此次挑战赛的主要目标是通过对视频帧内容的物体、物体部件及各自属性的理解，根据物体特点的文字描述，实现对全新物体的目标检测。而本次竞赛相比于传统目标检测任务的难点主要在三个方面：数据集内容难度较大、标检测要求较高以及零样本检测。

此任务中，联想和交大联合团队使用VIT-L模型实现对视频帧内容的物体检测和分类任务，再使用特征提取网络实现对检测结果的属性分类，最后根据文字描述中提到的特征与检测结果计算相似矩阵，进而得到最优结果，最终夺得第1名。

事实上，零样本实例检测具有广阔的应用场景。通过零样本实例检测任务，能够实现对工业场景中部件异常的检测和识别，及时发现并处理这些部件，从而提高生产效率、产品质量和工作安全。此外，在智能家居、智慧城市、无人驾驶等场景中，也需要对未知物体进行检测和识别。

除了上述检测，SoccerNet挑战赛聚焦于足球比赛中对不同球员在视频中的身份重识别，旨在推动视频内容理解、行为理解、动作分析等研究方向的发展。相关研究成果可以拓展至工业领域，比如通过对人工操作工作进行识别，能够了解工人的工作状态及工作效率，从而优化工作流程，提高生产效率和质量。

联合团队采用了一种混合的CNN-ViT架构来解决球员重新识别任务，该架构将多粒度网络（MGN）的CNN骨干与两种类型的ViT骨干相结合（ViT骨干包括Swin-Transformer base和ViT base）。为了增强泛化性能并解决SoccerNet数据集中的特定挑战，团队专注于数据预处理、大规模预训练模型、训练损失、模型集成和各种数据增强技术，微调了多个现有的以人为中心的预训练模型，设计了基于身份和行为的采样策略，并融合了不同分辨率的模型作模型集成（model ensemble）。

当“万物智联”成为刚需，边缘智能势必将成为数字化进程中企业追逐的新目标。联想集团正持续推进与上海交大的深度合作，聚焦“新计算、新装备、新材料、新能源”四大板块，并共建“交大-联想人工智能联合实验室”和“交大-联想智能设备联合实验室”，同时也启动了多个联合课题合作，致力于在智能装备元宇宙、人工智能等领域探索产学研融合的最佳实践。