阿里研發(fā) AI 黑科技，有望替代人工鑒黃師

互聯(lián)網(wǎng)內容越來(lái)越朝著(zhù)視頻化方向發(fā)展，短視頻處于爆發(fā)期，一些不法分子試圖利用視頻風(fēng)口牟利。3月底，深圳警方打掉了一起以短視頻APP為載體，大肆從事淫穢傳播、網(wǎng)絡(luò )****博以及網(wǎng)絡(luò )詐騙等犯罪活動(dòng)。

最近，阿里安全圖靈實(shí)驗室發(fā)布了一項關(guān)于社會(huì )文化的研究，這是一種新型視頻描述方法（SGR），可用于視頻內容安全和視頻檢索等場(chǎng)景，助力建設互聯(lián)網(wǎng)清朗環(huán)境。該研究成果已經(jīng)被人工智能?chē)H頂會(huì )CVPR2021（oral）收錄。

讓AI做“閱讀理解”

現有的密集型視頻描述生成方法采用自底向上的方式，即先生成大量的事件候選片段，再為每個(gè)片段獨立的生成描述，從而組合得到密集型視頻描述。然而，視頻中事件具有很強的多樣性，既可以簡(jiǎn)單到是一個(gè)動(dòng)作，也可以復雜到是若干事件的組合，這導致事件候選片段的生成目標不明確，對應的密集型描述不夠連貫和準確，且充斥著(zhù)大量冗余。

對此，研究者提出了自頂向下的密集型視頻描述方法，即SGR。

SGR可以實(shí)現兩類(lèi)基本功能，一是讓AI對視頻內容做“閱讀理解”，生成一段長(cháng)文本描述視頻中心內容，二是可以根據描述性的文本精準匹配視頻中的相關(guān)片段。

此前，必須人工定義關(guān)鍵詞詞庫后才能“指揮”AI命中檢索，這項AI技術(shù)的目標是僅通過(guò)輸入自然語(yǔ)言就能實(shí)現檢索，對AI“說(shuō)句話(huà)”，就能找到相應片段。

“視頻中如果有人拿起鼠標，點(diǎn)擊電腦，然后脫掉衣服，呈現黃****毒等相關(guān)違規信息，以前的技術(shù)路徑上，AI可能還要分析脫掉衣服之前的動(dòng)作，其實(shí)拿鼠標和點(diǎn)擊電腦與后面的違規內容沒(méi)什么關(guān)聯(lián)，無(wú)需提取這些信息?！痹撗芯康谝蛔髡?、阿里安全圖靈實(shí)驗室實(shí)習算法工程師青崧介紹道。

SGR解決了這個(gè)問(wèn)題。給定一個(gè)視頻，AI可對視頻的關(guān)鍵候選片段無(wú)縫銜接成一個(gè)完整的故事，保證了密集型描述的連貫性，且減少了冗余。

為了進(jìn)一步增加視頻片段的描述細節，研發(fā)人員設計了描述提升模塊，以初步得到的密集型視頻描述和視頻片段為基準，提出專(zhuān)用于描述質(zhì)量提升的強化學(xué)習策略，來(lái)生成細節更豐富的密集型視頻描述。方法結構如下圖所示：

輸入一段視頻，本方法首先使用一個(gè)視頻編碼器（）來(lái)為所有視頻幀提取表征。接著(zhù)，段落****（）根據視頻幀的表征生成一段由多句描述組成的段落。然后，由描述定位器（）對段落中的每句描述在視頻中的發(fā)生時(shí)刻進(jìn)行定位。最后，描述提升模塊，即描述****（）接受由輸出的視頻片段描述和由定位出的視頻片段表征，并輸出細節更豐富的視頻片段描述。

該項研究的共同作者、阿里安全圖靈實(shí)驗室高級算法工程師雍秦介紹，雖然目前這個(gè)技術(shù)還無(wú)法做到“1分鐘講清楚一部電影”，但可做到“兩句話(huà)講清楚一個(gè)10分鐘以?xún)鹊亩桃曨l”，這意味著(zhù)通過(guò)該技術(shù)未來(lái)可迅速判斷整個(gè)視頻的關(guān)鍵信息是否包含黃****毒等違規內容。

更快更準識別違規風(fēng)險內容

通過(guò)這兩個(gè)功能，AI能快速識別、準確定位違規片段，無(wú)需人類(lèi)鑒黃師反復回看確認。

雍秦透露，在SGR技術(shù)研究基礎上，阿里安全近期還將研發(fā)低門(mén)檻、高可用的“鑒黃”AI工具，讓AI對視頻不同片段打出“危險指數”，依賴(lài)信息提取直接關(guān)聯(lián)高亮風(fēng)險片段，讓AI鑒黃更智能、高效。

未來(lái)，在實(shí)際應用場(chǎng)景中，通過(guò)AI來(lái)進(jìn)行不良內容識別的研判準確性和效率將大幅提高，比如判斷視頻內容中是否有“一個(gè)穿著(zhù)暴露蘿莉裝的女孩鴨子坐著(zhù)在錄吃播”，以往要形成“暴露蘿莉裝”“鴨子坐”“吃播”三個(gè)標簽，每次依據一個(gè)標簽進(jìn)行一輪審核，判斷視頻內容是否涉嫌低俗，三輪審核交叉驗證。創(chuàng )新工具應用后，AI只用輸入“一個(gè)穿著(zhù)暴露蘿莉裝的女孩鴨子坐著(zhù)在錄吃播”這句話(huà)進(jìn)行一輪研判，準確性也更高。

圖說(shuō)：阿里安全近期將研發(fā)低門(mén)檻、高可用的“鑒黃”AI工具，該圖為示意模型。

阿里安全圖靈實(shí)驗室資深算法專(zhuān)家華棠指出，阿里安全一直希望從源頭守護安全，這是阿里安全方法論“新一代安全架構”的核心理念?！盎ヂ?lián)網(wǎng)上每天產(chǎn)生海量視頻，單靠人力無(wú)法維護互聯(lián)網(wǎng)清朗環(huán)境，違規視頻危及大眾心理健康和財產(chǎn)安全，創(chuàng )新算法可以有更多用武之地，構建美好安全的網(wǎng)絡(luò )生活?！?/p>

作者簡(jiǎn)介：鄧超睿，阿里安全實(shí)習生，阿德萊德大學(xué)一年級博士，主要研究視頻理解、圖像理解，物體檢測等方向，在TPAMI、CVPR、ECCV等學(xué)術(shù)期刊和會(huì )議上發(fā)表多篇文章，目前從事視頻物體檢測和檢索的研究工作，利用創(chuàng )新算法提升視頻內容安全的審核技術(shù)。