有个小小的好消息跟大家分享,微信AI团队的模式识别中心,凭借论文《Less Redundancy: Boosting Practicality of Vision Language Model in Walking Assistants》,在5月份的西班牙巴塞罗那举行的 ICASSP 2026上,拿下了最佳工业论文奖。这也是这个奖项自2016年设立以来,首次颁给中国企业团队。
这个论文是讲啥的?
简单来说,我们团队的同学们 提出了WalkVLM-LR——一个为视障人士行走辅助设计的视觉语言模型,核心创新是减少冗余:既减少"说得太多"(输出冗余),也减少"说得太频繁"(时间冗余)。
现有的视觉语言模型(VLM)被训练在图像描述任务上,习惯把画面里所有东西事无巨细地讲一遍。但对盲人来说,"前方十一点钟方向有辆摩托车,请注意"才是有用的,而不是"你正走在一条繁忙的步行街上,两侧有建筑物……"这种描述。做个直观对比:主流 VLM 输出长度 130–160 词,而 WalkVLM-LR 只有 22.3 词,关键词密度反而最高。
同时,这个模型解决了"什么时候该提醒"的问题,视觉语言模型不应该无时无刻每帧提醒,而更应该在需要提醒的时候再开口。
也就是让AI辅助视障人士出行的可用性,强了很多。
ICASSP全称是IEEE 国际声学、语音与信号处理会议,是全球最大、最综合的信号处理技术会议,过去的最佳工业论文奖,一般是META、微软、Spotify这样的国外公司拿下,这次是我们啦 [比耶] #微信AI拿下信号处理国际大奖#
发布于 广东
