谷歌云推出了对象增强功能,这是一项全新的 Cloud Storage 能力,可利用 AI 模型自动从非结构化数据中提取丰富的上下文元数据,并将其保存为对象上下文,使智能体能够获取复杂业务决策所需的信息。该服务现已开放预览,提供对象检测、图像标注等图像注释功能,与其他云服务提供商的类似服务相比可节省 75% 的成本;此外还提供高质量的 PDF 分类模型,可将对象存储转变为适用于 AI 的基础。
谷歌模型实现经济高效的图像和 PDF 处理
对象增强功能可调用 Google Photos 等谷歌内部服务使用的 AI 模型,大规模应用时能显著节省成本。根据已公布的定价,处理 1000 万张图像或 PDF 仅需 700 美元。该服务包含五种用于图像和 PDF 的 Cloud Storage 自有模型,可提供对象检测、人脸检测、图像标注和显式内容检测等图像注释功能。PDF 分类模型可将文档归入标准商业和行业类别,例如金融、游戏、新闻和健康。
全球第 4 大广告商 L'Oreal 使用对象增强功能,为其庞大的创意资产库添加标签,速度提升了 100 倍,成本仅为现有管道和流程的一小部分,从而验证了这项能力。Hyperscience 报告称,文档分类准确率提升了 50% 以上,同时分类推理成本降低了 2 至 3 倍。
使用 Gemini 进行多模态推理及高级应用场景
对于跨文本、PDF、图像、音频和视频的复杂多模态推理,用户可以通过对象增强功能原生使用 Gemini,从而实现摘要生成、实体提取、转录和翻译等高级应用场景。这项功能即将推出,有意申请使用的客户可联系 storage-ai@google.com,了解详情并申请访问权限。
早期客户正在将对象增强功能部署到关键业务场景中。营销、零售和媒体机构管理着数 PB 的创意图像资产,要找到特定资产,需要丰富的语义元数据;对象增强功能会自动在对象上下文中生成描述性标签,这些标签可编入向量数据库或 BigQuery,为检索增强生成应用和资产发现智能体提供支持。社交平台、市场和数字媒体管道现在可以经济高效地处理数百万份用户上传内容和供应商目录,以进行显式内容审核。自动驾驶、智能家居和机器人公司会采集数亿个原始摄像头和传感器文件;通过使用对象检测和图像标注模型增强原始采集数据,并在 BigQuery 中查询生成的元数据,机器学习工程师便能在几分钟而非几个月内精准定位所需的训练数据集。
统一的上下文存储和企业数据管理
对象增强功能不会将元数据存储在单独的数据存储中,而是将模型输出直接写入对象上下文。对象上下文是专门用于存储上下文信息的 Cloud Storage 元数据结构,以结构化键值对的形式与对象一同保存。对象上下文与底层 Cloud Storage 对象具有相同的持久性和一致性。在复制、移动和副本同步操作期间,对象上下文会自动随对象传递;对象删除时,对象上下文也会自动移除,无需运行清理作业。
管理员可以使用 IAM 控制谁有权读取、添加、更新或移除对象上下文,从而实现精细化治理。应用可以直接按对象上下文键值对筛选对象列表,也可以读取对象旁的上下文元数据,以提供更丰富的体验。对象上下文可原生流入 BigQuery 的 Storage Insights 数据集,让数据团队无需编写 ETL 代码即可运行 SQL 分析、构建信息面板,并将非结构化文件洞察与结构化企业数据表进行联结。
简化的设置和部署流程
设置增强作业只需三个简单步骤,无需编写代码,可通过 Google Cloud 控制台或 Cloud Storage API 以编程方式完成。用户通过指定一组包含待处理对象的存储桶以及处理位置来定义范围,对象增强功能可扩展至数百万或数十亿个对象。用户选择一种或多种用于图像和 PDF 的五种 Cloud Storage 自有模型,然后授予对象增强服务必要的 IAM 权限,以便其访问 Cloud Storage 存储桶。随后,对象增强功能会负责协调模型推理、解析响应,并将结果写入每个对象的对象上下文,同时内置重试和限流机制,无需管理队列、扩展工作进程或维护胶水代码。
智能家居公司 Vivint 报告称,借助 Cloud Storage 对象增强功能和 BigQuery,AI 开发周期从 6 个月缩短至 1 个月,同时模型也得到快速改进。
关键信息
- 对象增强功能已在 Cloud Storage 控制台和 Cloud Storage API 中开放预览
- 处理 1000 万张图像或 PDF 需要 700 美元,与其他云服务提供商的类似服务相比可节省 75% 的成本
- 提供五种用于图像注释的 Cloud Storage 自有模型,涵盖对象检测、人脸检测、图像标注和显式内容检测
- PDF 分类模型可将文档归入标准商业和行业类别:金融、游戏、新闻和健康
- 针对文本、PDF、图像、音频和视频的 Gemini 多模态推理功能即将推出;客户可联系 storage-ai@google.com 申请访问权限
- 对象上下文与底层 Cloud Storage 对象具有相同的持久性和一致性,并会在复制、移动和副本同步操作期间自动随对象传递
- L'Oreal 使用对象增强功能为其创意资产库添加标签,速度提升了 100 倍
- Hyperscience 的文档分类准确率提升了 50% 以上,同时推理成本降低了 2 至 3 倍
- Vivint 报告称,借助对象增强功能和 BigQuery,AI 开发时间从 6 个月缩短至 1 个月
常见问题
对象增强功能提供哪些图像和 PDF 处理能力?
对象增强功能使用五种 Cloud Storage 自有模型,从图像和 PDF 中提取上下文元数据。对于图像,它提供对象检测、人脸检测、图像标注和显式内容检测功能。对于 PDF,它提供高质量的分类模型,可将文档归入标准商业和行业类别,包括金融、游戏、新闻和健康。所有注释都会就地保存为对象上下文,以结构化键值对的形式与对象本身一同存储。
使用对象增强功能处理大量数据需要多少费用?
根据已公布的定价,处理 1000 万张图像或 PDF 仅需 700 美元。与其他云服务提供商的类似服务相比,可节省 75% 的成本。这项全托管服务免去了构建自定义管道、管理基础设施以及维护独立元数据存储的运维工作。
对象增强功能计划与 Gemini 集成哪些多模态推理能力?
对于跨文本、PDF、图像、音频和视频的复杂多模态推理,用户将能够通过对象增强功能原生使用 Gemini,以实现摘要生成、实体提取、转录和翻译等高级应用场景。这项功能即将推出,目前处于预览阶段。有意提前体验的客户可联系 storage-ai@google.com,了解详情并申请访问这项即将推出的功能。