随着深度学习在多个人工智能的细分领域日趋成熟化和规模化，多模态融合正成为人工智能研究新的热点方向和趋势。近期，汽车之家人工智能算法团队在今年TextCaps任务中CIDEr获得了98.59分的成绩，名次仅次于微软，斩获全球亚军。
TextCaps是Facebook发布的一个大型的图像阅读理解任务，该项比赛囊括了图像识别、图像描述、图像字幕等多个图像领域最前沿的任务，一经宣布就吸引了众多国内外的学术专家以及科研团队参加。汽车之家代表队在众多来自全球的算法团队角逐中脱颖而出，在所有参加团队中排名第二、国内参加团队中排名第一，充分展现了汽车之家在高科技研究中攻坚克难的匠心精神。
Text-Caption是一个涉及图像中视觉信息和文字信息的多模态任务，其目的是对一张图片生成一句涵盖其所有信息的文字描述。它不仅需要利用模型去理解图片的内容，还需要用自然语言去表达它们之间的关系，需要参赛者在CV(Ocr、Object Detection)、NLP(Text Generation)、Model Fusion等领域都具备很高的专业知识，具有很高的挑战性。
基于公司的海量数据，汽车之家人工智能算法团队在语音、视觉、NLP等技术方向均积累了大量的应用经验，并基于人工智能多模态技术的领先优势赋能公司数据产品研发，在知识库构建、培训系统开发和智能生成等场景中广泛应用。以智能培训平台为例，该平台旨在满足主机厂新车发布后培训经销商销售能力的需求，结合汽车之家和平安集团的数据及技术优势，将人工智能多模态技术应用于智能陪练、防作弊、问答机器人3大场景模块。
随着公司创新业务的大力发展，越来越多的场景需要人工智能技术的加持，例如视频资源的结构化分析、视频/图片中文本知识结构化提取存储、通话中的语义理解等。汽车之家将科技软实力作为公司数字化的基石，其技术团队在多模态方向的技术积累与突破，不仅为公司的“生态化”战略推进打造技术护城河，同时为公司创新业务发展与赋能行业数字化转型提供了坚实后盾。