Facebook正在改进其自动替代文本（AAT）技术，以更好地利用对象识别来按需生成照片描述。它将使盲人或视障人士能够更好地了解新闻订阅源中的内容。就上下文而言，AAT早在2016年就被引入，由于新的Facebook AAT可以识别1200多个概念，因此现在已提高了10倍。

您在Facebook和Instagram上发布的每张照片均经过图像分析AI（即AAT技术）评估，以创建标题。它将信息添加到替代文本，该替代文本是图像元数据中描述其内容的字段：“站在田野中的狗”或“踢足球的人”。这使视障人士可以了解他们新闻订阅源上的图像。但是，人们不会为这些图像添加这些描述。因此，Facebook正在通​​过培训AI来使其社交媒体更易于访问。

AAT的最新迭代能够以10倍以上的速度检测和识别照片，从而减少了没有描述的照片。现在，它可以识别活动，地标，动物类型等。例如，一张照片可能写着：“可能是2人在户外的自拍照，比萨斜塔。”

Facebook表示，这是业内第一个在照片中包含元素位置和相对尺寸的信息。例如，AI不用说“也许是5个人的照片”，而是可以分析并指定在照片的中心有两个人，而其他三个人则分散在边缘，这意味着中心的两个人是焦点。 。Facebook还补充说，它对模型进行了训练，以预测图像中对象的位置和语义标签。

AAT现在比以往任何时候都得到了改善

该公司利用对弱监管数据 进行训练的 模型，以数十亿张公开Instagram图片及其标签的形式进行了AAT的最新迭代。它对所有地区的数据进行了微调，并沿性别，肤色和年龄轴评估了概念。结果，AAT现在变得更加准确，在文化和人口统计学上都具有包容性。例如，它现在可以（部分）基于传统服装来了解和识别世界各地的婚礼。

Facebook询问依赖屏幕阅读器的用户，他们想听到多少信息，以及何时想听到。并且得出一个结论，当图像来自朋友或家人时，人们希望获得更多信息，而当图像不是来自朋友或家人时，人们希望获得更多信息。 因此，默认情况下，新的Facebook AAT可以为所有照片提供简洁的描述，同时提供一种简便的方法来获取有关特定兴趣照片的更详细的描述。选择后一个选项时，它将显示照片内容的更全面描述。

它没有诗意，但功能强大

AAT对它的默认描述使用简单的措词，而不是冗长的句子。该公司表示，每个描述均以“可能存在”开头，因为存在一定的误差，但“我们将标准设定得很高”。AAT替代文字说明有45种不同的语言版本，可供世界各地的人们使用。