Microsoft on käynnistänyt kuvan tunnistustyökalun, joka yrittää kuvata kuvan sisältöä. Tämä tekoälytyökalu on vielä kehitysvaiheessa ja oppii jatkuvasti käyttäjien lataamista kuvista.

Tarkkuuden suhteen joskus kuvaus on melko tarkka, kun taas CaptionBot tarjoaa joskus kuvauksia, joilla ei ole mitään tekemistä kuvan kanssa. On myös tapauksia, joissa sovellus ei pysty tarjoamaan lainkaan kuvausta reunojen karkeasta tilasta johtuen.

Microsoft on suunnitellut CaptionBotin oppimaan lisää kokemusta luottamalla siihen, että sen kuvateksti muuttuu tarkemmaksi ajan myötä. Mitä enemmän kuvia käyttäjät lataavat, sitä parempi sovellus tulee, kun CaptionBot kuvaa itseään:

Ymmärrän minkä tahansa kuvan sisällön ja yritän kuvata sitä samoin kuin mitä tahansa ihmistä. Opiskelen edelleen, joten pidän valokuvasi, mutta ei henkilökohtaisia ​​tietoja.

CaptionBot kuvaa kolme tekniikkaa kuvaamaan kuvan kuvaa: Microsoftin tietokonevisio, tunne- ja Bing-kuva. Computer Vision API -sovellus poimii kuvista rikas tietoa luokittelemaan ja käsittelemään visuaalista dataa kuvan tunnistamisen ja poiminnan lisäksi. Emotion-sovellusliittymä, nimensä perusteella, analysoi kasvot havaitakseen erilaisia ​​tunteita, kaikkea vihaa, halveksuntaa, inhoa, pelkoa, onnellisuutta, puolueettomuutta, surua ja yllätystä. Bing Image etsii kuvia verkosta.

Testasimme CaptionBotia ja tulokset olivat tarkkoja 50%: lla tapauksista. Esimerkiksi, latasimme kaksi kuvaa: toisessa kuvataan pelihiiri, toisessa pino korttia. Molemmissa tapauksissa työkalu ehdotti, että se oli matkapuhelin. Toisaalta CaptionBot havaitsi tarkasti ihmiset ja kasvot.

Ilmeisesti CaptionBotilla on pakkomielle matkapuhelimista. Yksi Twitterin käyttäjä ilmoitti sovelluksesta, että Michelle Obama oli matkapuhelin. Katso lisää CaptionBot-hauskoja kuvatekstejä tästä Twitter-sivulta.

Voit myös testata CaptionBotin täällä. Kokeile sitä: autat työkalua parantamaan tai nauramaan!