AI+时尚的盛宴,FashionAI全球挑战赛进入复赛阶段

2024-03-17 04:48

本文主要是介绍AI+时尚的盛宴,FashionAI全球挑战赛进入复赛阶段,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

640?wx_fmt=jpeg


近日,FashionAI全球挑战赛正式公布了晋级复赛的队伍名单,共有203支队伍晋级两个赛道的复赛阶段。


据天池数据众智平台官方统计,自开赛以来,FashionAI全球挑战赛共吸引了来自中国、美国、印度、俄罗斯、新加坡、韩国、英国、澳大利亚等全球42个国家和地区的5272支队伍、6594名选手展开激烈的角逐,参赛选手中硕士学历占比47%,博士学历占比5%,其中不乏美国斯坦福大学、伊利诺伊大学香槟分校、卡内基梅隆大学、中科院、清华、北大、上交大、浙大等全球知名高校,以及微软亚洲研究院、腾讯、华为、网易、讯飞、滴滴、小米、京东、唯品会等AI研究机构和企业的选手报名参赛。


赛事背景

640?wx_fmt=png

FashionAI全球挑战赛由阿里巴巴“图像和美”团队联合香港理工大学纺织及制衣学系、英国纺织协会共同发起,并发布业界首个同时满足服饰专业性和机器学习要求的大规模高质量数据集,号召全世界的AI科研人才一起关注机器认知时尚的基础问题,共同推动AI 技术在时尚产业的落地。

640?wx_fmt=png

本次挑战赛发布的FashionAI数据集,使用的图像数据全部来源于电商真实场景,旨在推动业界解决机器读懂时尚的两个基础问题:服饰关键点定位和基础属性识别,而这也是本次挑战赛的两个赛题,可以广泛应用于服饰图像自动编辑、标签导航、服饰搭配等应用场景。


与此同时,基于此次FashionAI数据集撰写的文章《如何做一个“实用”的数据集》也已在知名学术公众号《视觉求索》发表。


权威评审姓氏笔画排序

640?wx_fmt=jpeg

山世光

中科院计算所研究员

中科院智能信息处理重点实验室常务副主任

640?wx_fmt=jpeg

王亮

中科院自动化所研究员

模式识别国家重点实验室副主任

640?wx_fmt=jpeg

白翔

华中科技大学教授

国家防伪工程技术研究中心副主任

640?wx_fmt=jpeg

卢策吾

上海交通大学研究员

MIT TR 35

640?wx_fmt=jpeg

任小枫

阿里巴巴机器智能技术研究院

首席科学家兼副院长

640?wx_fmt=jpeg

詹炳宏

北京服装学院副院长

工信部中国生活方式设计研究院院长

640?wx_fmt=jpeg

Zowie Broach

英国皇家美术学院教授

服装设计学院院长 

(时尚指导)

640?wx_fmt=jpeg

王剑红

香港理工大学实践特聘教授

(时尚指导)

本次大赛邀请到了多位AI及时尚领域的重量级评审,他们也将在7月初的决赛答辩现场,倾听选手们的参赛心得,并共同讨论AI与时尚结合的未来。

另悉,初赛阶段,以亚马逊主任科学家李沐领衔的专家团队也为参赛选手及AI科研爱好者们带来了精彩的线上直播,以FashionAI数据集为例,手把手的教大家《深度学习如何解决计算机视觉的经典图像分类问题》。


而在7月的FashionAI全球挑战赛决赛期间,全面升级的Fashion AI智能体验店也将会在香港展出。


据阿里巴巴淘宝技术部负责人南天介绍,FashionAI是阿里巴巴人工智能领域创新品牌,也是阿里巴巴产学研一体化的重要成果之一。“人工智能和大数据必然为新零售未来的发展带来更多的探索空间,而这个过程也一定离不开社会的共同努力。我们希望能够结合阿里巴巴平台的技术以及丰富的数据资源,和专业院校、科研机构一起合作,共同推动AI在新零售商业领域更多的落地,让技术能够真正的去发挥商业价值。”


640?wx_fmt=gif

这篇关于AI+时尚的盛宴,FashionAI全球挑战赛进入复赛阶段的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/817838

相关文章

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

SpringBoot整合DeepSeek实现AI对话功能

《SpringBoot整合DeepSeek实现AI对话功能》本文介绍了如何在SpringBoot项目中整合DeepSeekAPI和本地私有化部署DeepSeekR1模型,通过SpringAI框架简化了... 目录Spring AI版本依赖整合DeepSeek API key整合本地化部署的DeepSeek