【升级】图像内容理解全面升级
发布日期：2025-08-07 09:39浏览量：2675次
近日，图像内容理解服务全面升级，优化图像理解效果，新增支持图像内容问答。同时，对部分返回字段及错误码进行调整。欢迎大家试用体验。
1、优化图像理解效果
扩充物体标签识别种类并提升准确率，优化对图像中各主体的空间位置感知能力，增强逻辑推理能力。
2、新增支持图像问答能力
可根据传入的 question 参数依据图像内容直接给出针对性回答，避免泛化性描述。例如，针对下图询问 “这张图展示的是哪个景点？”
当前版本返回：
"description": "这张照片展示了一个大型的夜间照明建筑群。该建筑群由多栋传统设计的建筑组成，以白色墙壁、红色屋顶和金色为特色。这些建筑堆叠在山坡上，中心是最大、最突出的结构。灯光突出了建筑细节，在黑暗的天空中为建筑带来了温暖的光芒。在前景中，有一个有几个人的屏障，这表明这可能是游客的观景区。图像的风格是一张照片，以高水平的细节和现实主义捕捉场景。图像中的人似乎在从事休闲活动，可能是欣赏风景或排队等候，他们没有传达任何可以从图像中看出的特定情感。图像中没有可见的文本。照明是人工的，可能来自建筑物本身的照明，与漆黑的夜空形成对比。"
升级后版本返回：
"description":"布达拉宫"
3、返回字段及错误码调整
- 返回结果中，subject_result、classify_result、ocr_result 字段变更为默认不输出；如需继续获取上述字段，可在请求参数中设置 subject_detect= true。
-
返回结果中，description_to_llm 字段变更为默认不输出，如需继续获取，可在请求参数中设置 llm_switch = false。
-
错误码变更，返回结果中 ret_code和 ret_msg 参数中的错误信息将在 error_code和 error_msg中返回错误码，错误码定义参考图像识别错误码。
-
详细内容可参考图像内容理解接口文档
QQ支持群
百度语音：588369236
文字识别：1055623827
自定义模板OCR：1055402721
人脸识别：692450852
人体分析：860337848
内容审核：375765194
飞桨PaddlePaddle：778260830
图像识别：312156782
EasyDL：614951239
图像搜索：1067276154
视频分析：632473158
百度AR：472081119
自然语言：1051436514
UNIT：1074410189
百度翻译：214857706
图像效果增强：1092338829
数据智能：650596829
知识图谱：655854786
DuerOS：604592023
百度AI开放平台：224994340
智能写作：743926523
EdgeBoard：1060623352
语音自训练平台：686267521
远场语音开发套件：210093204
×
体验AI
Web端 前往AI能力体验中心
移动端 打开百度APP“扫一扫”