北京时间5月15日下午消息,中国创业公司Face++已经完成了2500万美元的B轮融资。Face++开发的面部识别技术已经获得了阿里巴巴的使用。
在完成此轮融资后,Face++的融资总额达到了4700万美元。Face++的一名人士表示,该公司当前的投资方启明创投和创新工场都参与了此轮融资。
Face++位于北京,该公司提供了API(应用程序接口)和SDK(软件开发包),以及订制的云计算服务,从而帮助其他公司集成其面部识别技术。该公司最知名的一家客户是蚂蚁金融。作为支付宝的开发商,蚂蚁金融正在寻求监管部门的批准,利用Face++的软件去确认开立在线银行账号的用户的身份。
该公司的技术也被用在了支付宝的“笑脸支付”服务中。该服务允许用户通过自拍照来确认付款。Face++的公关代表萨姆·谢(Sam Xie)表示,由于获得了阿里巴巴的使用,一些传统银行也已经与Face++接触,讨论合作。
Face++的API也被一些拍照和娱乐应用使用,例如Camera360和乌克兰交友服务Flinch。该公司表示,目前已有超过3万名开发者使用Face++的工具。
根据Biometric研究集团的数据,全球生物识别市场的规模今年将达到150亿美元,高于2012年时的70亿美元。2/3的市场将集中于指纹识别领域,但类似Face++的面部识别技术也将有很大的空间。
该公司计划使用B轮融资的资金开发新的商业应用。萨姆·谢表示,该公司计划今年内推出这款产品。
好文章,需要你的鼓励
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。