复旦研发出“眸思”大模型：助力视障者安全出行

叮当号3月3日消息，据复旦大学官微发文，复旦大学自然语言处理实验室基于多模态大模型“复旦·眸思”（MouSi）为视障者量身打造的“听见世界”APP上线，将成为视障人士的生活助手与智能管家。

2023年上半年，复旦大学自然语言处理实验室发布了开发MOSS对话式大型语言模型，被称为中国版的GPT，仅用半年时间多模态模型“眸思”问世。

据介绍，“眸思”与MOSS同音，“眸思”和基于文本的MOSS不同，它能够理解并识别图片内容，致力于成为视障者的一双“眸”。

基于“眸思”，“听见世界”APP为视障者日常生活需求量身打造街道行走模式、自由问答模式和寻物模式。

在街道行走模式中，“眸思”如一位忠实的向导。红绿灯、十字路口、障碍物……它能细致扫描道路情况，提示潜在风险，陪伴视障者安全通行“看不见”的漫漫长路。

在自由问答模式中，“眸思”则像一位贴心的朋友，走进博物馆、艺术馆、公园……捕捉四周景象的每个细节，用声音构建丰富的生活场景，传递每一处日常之美。

在寻物模式中，“眸思”将成为一名可靠的管家，被移动过的手杖、最爱口味的牛奶……它可以让视障人士找寻日常物件变得轻松。

在基于几亿张图片训练出“眸思”大模型基础上，针对视障者提出的各类需求，团队又用上万张图片进行特殊样本训练，使“眸思”具备能够适配更多场景的能力。

据透露，今年上半年，团队将结合AR升级APP内的定位精度细化至亚米级别。下半年，团队希望将“眸思”升级为基于视频的判断。目前，更多模式正在开发中，比如，阅读模式、解说模式等。

预计今年3月“听见世界”APP将完成第一轮测试，在中国一、二线城市和地区同步开启试点，根据算力部署情况进行推广。