北京大學(xué)等提出HandTrackNet：點云序列中手物交互的位姿追蹤與重建
除此之外，我們首次提出了一個基于點云的手部姿勢跟蹤網(wǎng)絡(luò)，HandTrackNet，以追蹤幀間手部關(guān)節(jié)....
如何度量知識蒸餾中不同數(shù)據(jù)增強方法的好壞？
知識蒸餾（knowledge distillation，KD）是一種通用神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，它使用大的....
LeCun和馬庫斯齊噴ChatGPT：大語言模型果然是邪路？
ChatGPT的出場，讓一場久違的科技盛宴開席了。全世界的投資人都蠢蠢欲動。微軟給OpenAI再投1....
開源模型OpenCLIP達成ImageNet里程碑成就！
LAION全稱為Large-scale Artificial Intelligence Open N....
怎樣讓ChatGPT在其內(nèi)部訓(xùn)練神經(jīng)網(wǎng)絡(luò)？
這里特地用{}偷偷告訴它在當(dāng)前目錄生成一個train.py，在里面用Python和Pytorch寫一....
用ChatGPT處理Excel問題工作效率狂升
ChatGPT 自去年 11 月 30 日 OpenAI 重磅推出以來，這款 AI 聊天機器人迅速成....
一文梳理缺陷檢測的深度學(xué)習(xí)和傳統(tǒng)方法
但由于缺陷多種多樣，傳統(tǒng)的機器視覺算法很難做到對缺陷特征完整的建模和遷移，所以越來越多的學(xué)者和工程人....
利用視覺+語言數(shù)據(jù)增強視覺特征
傳統(tǒng)的多模態(tài)預(yù)訓(xùn)練方法通常需要"大數(shù)據(jù)"+"大模型"的組合來同時學(xué)習(xí)視覺+語言的聯(lián)合特征。但是關(guān)注如....
谷歌新作Dreamix：視頻擴散模型是通用視頻編輯器，效果驚艷！
可以看到，視頻編輯比圖像編輯更加具有挑戰(zhàn)性，它需要合成新的動作，而不僅僅是修改視覺外觀。此外還需要保....
英偉達耗費64個A100訓(xùn)練StyleGAN-T！
有趣的是，2014 年，由 Goodfellow 等人提出的生成對抗網(wǎng)絡(luò)（GAN），在生成任務(wù)中并沒....
SLaK：從稀疏性的角度將卷積核擴展到51×51
在現(xiàn)代計算機視覺任務(wù)中，通用視覺模型最早以深而 Kernel 小的 CNN 為主。自從 ViTs 出....
3D UX-Net：超強的醫(yī)學(xué)圖像分割新網(wǎng)絡(luò)
整體來說，這些模型性能是越來越高，在幾個主流的 3D 數(shù)據(jù)基準(zhǔn)測試中也實現(xiàn)了大大小小的 SOTA，特....
YOLOv6 v3.0實時目標(biāo)檢測重磅升級
對檢測器的Neck部件進行了翻新：引入BiC(Bi-directional Concatenatio....
DALL-E和生成式AI的未來
OpenAI 研究員、DALL-E 的發(fā)明者和 DALL-E 2 的聯(lián)合開發(fā)者 Aditya Ram....
NanoGPT，最簡單最快的庫來了！
作者補充道，代碼并不難，很容易就能滿足大家需求——無論是從頭開始訓(xùn)練新模型，還是基于預(yù)訓(xùn)練進行微調(diào)（....
基于端到端可操作性學(xué)習(xí)的機器人操縱框架
最近，視覺可操作性（Visual Affordance）學(xué)習(xí)技術(shù)在提供以物體為中心的信息先驗和有效的....
谷歌提出PaLI：一種多模態(tài)大模型，刷新多個任務(wù)SOTA！
PaLI 使用單獨 “Image-and-text to text” 接口執(zhí)行很多圖像、語言以及 "....
新型的端到端弱監(jiān)督篇幅級手寫中文文本識別方法PageNet
PageNet與現(xiàn)有方法在MTHv2、SCUT-HCCDoc和JS-SCUT PrintCC數(shù)據(jù)集上....
視覺新范式！COCs：將圖像視為點集
本文作者研究特征提取器 (Feature Extractor)，但是視角不僅僅局限在 ConvNet....
一種顯著降低Transformer計算量的輕量化方法
然而，transformer的原始公式在輸入令牌（token）數(shù)量方面具有二次計算復(fù)雜度。鑒于這個數(shù)....
DALL-E和Flamingo能相互理解嗎？
這就會帶來一些同語義相關(guān)的有趣問題：對于給定的圖像，哪種文本描述最準(zhǔn)確地描述了圖像？同樣地，對于給定....
谷歌新作Muse：通過掩碼生成Transformer進行文本到圖像生成
與建立在級聯(lián)像素空間（pixel-space）擴散模型上的 Imagen (Saharia et a....
阿里達摩院提出ABPN：高清人像美膚模型
其中為了實現(xiàn)皮膚區(qū)域的平滑，同時保留圖像中的邊緣，傳統(tǒng)美顏算法首先使用保邊濾波器（如雙邊濾波、導(dǎo)向濾....
騰訊優(yōu)圖/浙大/北大提出：重新思考高效神經(jīng)模型的移動模塊
近年來，隨著對存儲和計算資源受限的移動應(yīng)用程序需求的增加，涌現(xiàn)了非常多參數(shù)少、FLOPs 低的輕量級....
LSTM之父最新長文：現(xiàn)代AI和深度學(xué)習(xí)發(fā)展史
實用AI地提出，最早可以追溯到1914年。當(dāng)時Leonardo Torres y Quevedo構(gòu)建....
基于分割后門訓(xùn)練過程的后門防御方法
后門攻擊的目標(biāo)是通過修改訓(xùn)練數(shù)據(jù)或者控制訓(xùn)練過程等方法使得模型預(yù)測正確干凈樣本，但是對于帶有后門的樣....
南開/南理工/曠視提出CTKD：動態(tài)溫度超參蒸餾新方法
一直保持靜態(tài)固定的溫度超參對學(xué)生模型來說不是最優(yōu)的。基于課程學(xué)習(xí)的思想，人類在學(xué)習(xí)過程中都是由簡單到....
GMMSeg：生成式語義分割新范式！可同時處理閉集和開集識別
實驗結(jié)果表明，GMMSeg 在多種分割網(wǎng)絡(luò)架構(gòu) (segmentation architecture....
一張RTX 2080Ti搞定大模型訓(xùn)練！算力節(jié)省136倍！
在自然語言處理（NLP）領(lǐng)域，基于 Transformer 架構(gòu)的預(yù)訓(xùn)練模型已經(jīng)成為主流，并帶來諸多....
工商網(wǎng)監(jiān)