博雯 丽翔 凹非寺物理位 报导 | 社会公众号 QbitAI

如果你能检验出右边这张相片与右边的图稿相近，没准就能偷走Facebook的10亿美元（64万港币）酬金！

而对那场找寻相近相片的赛事，Facebook AI共掏出了20亿美元：

看起来像你赚了Facebook算了？

先来看一看具体内容的赛事文本。

赛事文本

具体来说，在前述赛事中修正后的相片，并不像结尾那般单纯。

而要会历经上色、滑动、充填、画素级切换、色调过滤器、光度修正等多种不同变动：

参赛者拿到的这种修正相片大概有5万张。

而需要去对比的将是100万图稿。

这些相片都来自于Facebook为赛事所建的一个新的数据集：ISC21数据集（DISC21）。

在这种情况下，参赛者可以从两个方向参与挑战：

无约束匹配建立一个模型，直接检验某个修正后的相片是否来自给定的数据集。

受限匹配生成图像向量表示（最多256维），将这些表示与欧氏矢量距离进行比较，以检验修正后的图片是否来自给定的数据集。

在挑战的最终阶段，两个方向的前三名都会获得酬金：

参赛者的模型将通过微观平均精度（micro-average precision）进行评估。本次赛事参考的基准如下：

而这次挑战主要面向美国地区18岁以上的成年人。

分为两个阶段

这项挑战也分为两个阶段：

一、2021年6月到10月，模型开发

参赛者研究官方的ISC21数据集来开发和完善模型。模型会被评估出一个分数，并展示在公共排行榜上。

建立模型时允许添加图像，但不能在图像之间做交互分析，只能对每张图像进行单独处理。

二、2021年10月26日到2021年10月27日，最终评分

参赛者的模型将面对一个新的5万张修正图像的数据集。

这时，除了要单独处理图像之外，也不能创建额外的图像标签。

最终用于社交媒体

赛事文本要求单独处理百万量级的相片集，很明显对标的就是现实情况。

而新相片不断增加、旧相片被不断删除、相片修正手法也更多的现实世界，比起这次挑战要复杂得多。

他们希望赛事中所产生的相近相片检验技术能够用在像他们这样的社交媒体上。

赛事官网：https://www.drivendata.org/competitions/79/competition-image-similarity-1-dev/