参会记录｜2024 中国多媒体大会

前言：2024年7月24日-26日，前往宁夏银川参加今年的中国多媒体大会，切实感受AI在各行各业的全面开花🌼，现对本次会议的收获进行总结记录。

中国多媒体大会 ChinaMM (csig.org.cn)

主要收听的专题的报告如下：

1: 智能艺术与设计Al Art & Design
2: AIGC与媒体内容安全
3: AI4Food:食品和健康计算

此外，还收听了一些零散的学术报告，以及快手、华为等企业的讲座。

---

通过本次大会，可谓收获满满，拓宽了认知边界， 以下是我本人结合以往研究经历总结的AI赋能各大场景的现状，可以看到在各行各业，AI都在散发着自己的光芒，未来，AI将会深入我们的生活，让我们的生活更加便捷。

记不清是哪位老师说的，场景化是AI应用的关键，在会场时，这种感觉尤其强烈，AI正在改变我们的生活，也希望我们正在进行的研究能够使得AI变得更加美好！

---

额外收获

• 通用图像分割模型：Meta 发布的 Segment Anything Model（SAM）
• 视频生成模型：Sora、Pika、Runway

中科深健：融合前沿食品视觉识别技术理念， 围绕食堂多场景智慧营养餐厅应用，研发了菜品识别结算系统、餐盘识别结算系统、 深健智慧食堂管理系统、用户健康管理app等多个软硬件系统。PS：体验了一下他们的菜品识别营养评估系统，由于我国菜品丰富，在识别准确率方面该系统还有很大的提升空间。

参考资料

1. Food Recommendation: Framework, Existing Solutions, and Challenges. TMM, 2020.
2. “健康+AI”生态创新大赛启幕 让全球看见“数智伊利”新力量-新华网 (xinhuanet.com)
3. [2308.14346] DISC-MedLLM: Bridging General Large Language Models and Real-World Medical Consultation (arxiv.org)
4. [2309.17421] The Dawn of LMMs: Preliminary Explorations with GPT-4V(ision) (arxiv.org)
5. [2312.04461] PhotoMaker: Customizing Realistic Human Photos via Stacked ID Embedding (arxiv.org)
6. [2401.07519] InstantID: Zero-shot Identity-Preserving Generation in Seconds (arxiv.org)
7. [2406.10261] FoodSky: A Food-oriented Large Language Model that Passes the Chef and Dietetic Examination (arxiv.org)
8. [2407.05161] A Survey of Datasets for Information Diffusion Tasks (arxiv.org)
9. HalluciDoctor: Mitigating Hallucinatory Toxicity in Visual Instruction Data. CVPR, 2024