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
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。