中科视语CVPR 2024：工业大模型与混合专家模型双冠王

近期，全球权威的CVPR 2024视觉异常检测和创新性检测挑战赛中，中科视语AI团队以卓越的成绩摘得桂冠。他们提交的“少量样本异常检测使用专家混合模型”在全球17个国家和地区、百余支顶尖AI团队中脱颖而出，以0.818的出色成绩斩获冠军。这再次证明了中科视语在工业大模型领域的雄厚实力。
随着大模型技术的发展，对技术先进性和性能卓越性的要求越来越高。中科视语持续坚定地投入大模型研发，深入磨炼“内功”，建立技术壁垒，夯实技术优势。正是凭借中科视语深厚的技术积淀和长期积累的市场经验，视语坤川工业大模型核心技术连续多次取得国际领先的成果。本次获奖是继登顶2019 VideoNet视频内容识别挑战赛、2022道路损坏检测世界竞赛桂冠后的又一里程碑，标志着中科视语在少样本逻辑/结构异常检测技术上取得了新的突破。也正是凭借持续的技术革新，中科视语在工业大模型领域积累了显著的竞争优势。
CVPR 2024是由IEEE计算机协会和计算机视觉基金会共同主办的一年一度的全球计算机视觉领域与模式识别领域最顶尖的学术会议，与ECCV和ICCV并称为计算机视觉领域的三大最高级别的顶级会议。面对日益激烈的市场竞争和不断变化的技术环境，中科视语始终保持前瞻性思维和创新精神。为了高效节约成本并提高效率，他们持续更新迭代，采用了前沿的Mixture of Experts（MoE）架构。MoE架构的核心优势是旨在通过模块化的方式降低更多的成本，实现更大的推理规模和更快的推理速度。这一创新架构使中科视语在市场化竞争中更具优势。
MoE架构将复杂任务分解为多个子任务，由不同的“专家”模块并行处理。这种分工合作的方式不仅提高了处理效率，还实现了更精准的模型预测。通过降低冗余计算和资源消耗，中科视语能够以更低的成本实现更高的性能，从而在市场上形成更有优势的竞争地位。
图1展示了中科视语AI团队斩获少样本逻辑/结构异常检测赛道(VAND 2.0）赛道第一名的成绩。图2至图5分别展示了正常样本、结构异常和逻辑异常示意图、研究团队在CVPR 2024的演讲汇报以及展示海报。
基于混合专家模型的少样本异常检测方法AnomalyMoE充分发挥了不同类型的异常检测方法的优势，使用了4个不同的异常检测专家模型：图文异常检测专家模型，全局异常检测专家模型，子部分异常检测专家模型，图像块异常检测专家模型，并结合这四个专家模型的打分结果以得到最后的异常分数。
MoE架构的引入是中科视语技术创新之路上的又一重要里程碑。它不仅体现了我们对技术进步的不懈追求，也展示了我们在实现技术可持续发展和落地方面的坚定决心。未来，我们将继续探索和利用前沿技术，为客户提供更优质的服务，为社会创造更多的价值。