你们是如何大规模处理 AI 图像/视频内容审核的?
摘要
一位从业者向社区请教如何大规模开展 AI 图像和视频内容审核(日上传量超过 100 万),希望获得有关开源模型、Sightengine 和 AWS Rekognition 等商业 API、混合架构、成本优化,以及误报与漏报之间权衡的建议。
我正在构建一个内容审核系统,每天可能需要处理超过 100 万次上传。我们需要检测并拦截以下类别:未成年人相关内容、性暴力、兽交、自残、真人相关内容(未经同意使用可识别个人的肖像)。我正在探索开源模型、自托管方案、商业 API(Sightengine、AWS Rekognition 等)以及混合方案。我们优先考虑的是高检测准确率、超大规模下的低成本、严格的数据隐私保护,以及可靠的视频审核。想请教运行类似系统的各位:你们使用哪些模型或 API?你们更倾向于自托管还是商业审核服务?如何优化大规模处理时的成本?在误报和漏报方面,你们有哪些经验?非常希望获得来自实际应用的推荐、架构建议和定价方面的见解!
相似文章
完全由AI生成的图片获得900多条评论,版主却屏蔽了AI指控。平台积极帮助掩盖内容是AI的事实
文章讨论了发布在社交媒体上的AI生成图片如何欺骗用户和版主,强调平台未能标记或标示AI内容,并积极掩盖其来源。
AI图像的最佳且最道德的用例是什么?
本文探讨了如GPT和Grok等AI图像生成模型的质量,质疑其道德使用案例,并指出诸如深伪技术和特定场景生成中的不准确等问题。
如何处理生产环境中AI代理的工具/模型发生变动?
一个讨论贴,询问开发者如何处理AI代理依赖的工具、API或模型版本在生产环境中发生变化的情况,包括检测、修复和成本。
@aiDotEngineer:规模化构建生成式图像与视频模型 https://youtube.com/watch?v=xOP1PM8fwnk… 图像生成最近热度很高!
@sedielem 在 YouTube 上的演讲,精炼地回顾了生成式图像与视频模型在规模化时的最新进展,涵盖建模、架构、蒸馏与控制。
您在量产环境中如何实现最佳自主智能体AI治理?
一个讨论提示,旨在寻求针对生产环境中自主智能体的AI治理方法。