暂无个人介绍
卷积和自注意力各有优势,但二者的有效结合一直是一大难题。为了取二者之长,上海交大 - 华为海思联合团队提出了一种名为 X-volution 的新型算子。该算子在性能上的显著提升、计算的通用性与即插即用的特性为深度学习基础计算单元库以及 NPU 计算架构的演进提供了一种新的基础武器。
清华大学联合阿里安全、瑞莱智慧 RealAI 等顶尖团队发布首个公平、全面的 AI 对抗攻防基准平台。AI 模型究竟是否安全,攻击和防御能力几何?只需提交至该平台,就可见能力排行。
商汤科技与香港中文大学多媒体实验室突破性地提出生成式渲染器,利用在无监督条件下的 2D 生成网络结合人脸模型的 3D 信息生成渲染图像,在不涉及对场景光照和人脸纹理建模的同时减小与真实图像之间的域偏移,进而提升人脸重建结果的真实度与相似度。
百度飞桨的努力,让开发者有了更多游戏时间
联邦学习是一种多方联合计算技术,最早由谷歌于 2016 年提出,其核心思想是在保证多方数据不出域的前提下完成模型的训练与推理、多方之间仅交换必需的中间结果。在本文中,星云 Clustar 首席联邦学习架构师 & 港科大博士柴迪将对不同类型的联邦学习技术进行安全性评估,深入探讨联邦学习是否会造成隐私数据泄漏。
给足算力和数据,就能训练出千亿参数的大模型?事实没有那么简单。
在云计算和AI技术的帮助下,视频工作正在从「刀耕火种」走向「精耕细作」。
当 AI 进入落地期,认真思考如何打通大数据与 AI 应用的关联,才是企业眼前既现实、又关键的一大挑战。
这家公司的早期投资人包括 Geoffrey Hinton、Ian Goodfellow、李飞飞等一众大佬。
来自中科院自动化所、字节跳动的研究者提出了一种高性能的指代性分割基准模型,与之前的最佳结果相比,该方法可以获得更好的分割效果。
一面是客观的技术差距,一面是无法忽视的机会。
中文预训练语言模型,参数量也上了千亿,还是为业界定制的。
在能量密度、续航、安全性等技术硬需求之外,资本的趋利性也正在将越来越多的关注引向电池产业,行业的先行者们已经开始行动,围绕电池、能源技术搭建新的产业生态圈。
本文从科学认知的不变性(Hard To Vary, HTV)入手,介绍了HTV存在的必要性以及广义上如何基于内部可变性(internal variablity)和外部可变性(external variability)在AI中衡量并实现这种不变性,最后介绍了几个刚刚提出的实现认知不变性的具体标准。
完全不懂外语的你也可以拿起手机,和老外直接对话了:甚至不需要选择彼此说着的是什么语言。
联合视频专家组 JVET 官网显示,字节跳动设立在美国的研发团队于今年初发起了一项视频压缩技术提案,并命名为 DAM(Deep-filtering with Adaptive Model-selection)。相比 H.266/VVC 最新标准,DAM 能够为视频编码性能带来显著提升,亮度信号 Y 可实现 10.28% 的性能增益。两个色度信号 U 和 V 的性能增益也分别达到 28.22% 和 27.97%。这是业界公开的单个智能编码工具的最佳性能增益。
本文介绍了微信搜索数据质量团队在 AAAI 2021 大会发表的两篇研究。
华为诺亚实验室的研究者提出了一种新型视觉 Transformer 网络架构 Transformer in Transformer,它的表现优于谷歌的 ViT 和 Facebook 的 DeiT。论文提出了一个全新的 TNT 模块(Transformer iN Transformer),旨在通过内外两个 transformer 联合提取图像局部和全局特征。通过堆叠 TNT 模块,研究者搭建了全新的纯 Transformer 网络架构——TNT。值得注意的是,TNT 还暗合了 Geoffrey Hinton 最新提出的 part-whole hierarchies 思想。在 ImageNet 图像
在本篇论文中,来自德州农工大学和快手的研究者提出了一种简单有效的探索算法,旨在为随机环境的探索问题提供有效的解决方案。
2020 年,是充满变化的一年。人工智能学术会议也不例外,线上举办、改革评审制度、增加可复现性要求、伦理要求等,这些是「变」。而不变的是大家对学术会议的热情,以及我们总能透过这些会议探究学术前沿发展趋势。
一些人还在问「5G 除了跑测速还能做什么」的时候,首款 5G 智能汽车已经向我们走来了。
在 2020 年的中国机器学习平台市场,百度的 EasyDL 又拿了第一。
今天,波士顿动力发布了 Spot 机器人全新视频,除了添加了一条机械臂,它还能实现捡垃圾、跳绳、种花等多种功能。
近日,一个关于图注意力网络可视化的项目吸引了大批研究人员的兴趣,上线仅仅一天,收获 200+ 星。该项目是关于用 PyTorch 实现的图注意力网络(GAT),包括易于理解的可视化。
Transformer 对计算和存储的高要求阻碍了其在 GPU 上的大规模部署。在本文中,来自快手异构计算团队的研究者分享了如何在 GPU 上实现基于 Transformer 架构的 AI 模型的极限加速,介绍了算子融合重构、混合精度量化、先进内存管理、Input Padding 移除以及 GEMM 配置等优化方法。
1 月 28 日,以「小数据、大任务」为技术范式的暗物智能科技(简称「暗物智能」)宣布,已于 2020 年年中完成 5 亿元人民币的 A 轮融资,由赛领资本和吉富创投共同领投,联想创投、广州基金、将门创投、花城创投跟投。
采用预训练语言模型的文本分类算法难以区分细粒度的语义信息,尚无法在金融量化投资领域获得成功应用。近日,瞰点科技与华东师范大学、哈佛大学、上海交通大学的研究人员合作,将论文发表在ACM CIKM2020上的面向量化投资的细粒度金融文本分类框架正式对外发布。该方法采用针对目标任务的全局和模块信息编码融合的思想,有效地提升了针对金融领域的细粒度文本分类精度。
本文重点关注了基于无服务器计算的机器学习的最新研究进展,并通过四篇研究论文表明了无服务器 ML 框架在执行机器学习任务时性能远优于经典的基于粗粒度的 VM 集群的ML框架。
本文重点关注了基于无服务器计算的机器学习的最新研究进展,并通过四篇研究论文表明了无服务器 ML 框架在执行机器学习任务时性能远优于经典的基于粗粒度的 VM 集群的ML框架。
本文是我们联邦学习系列研究文章中的一篇,重点聚焦的是联邦学习中的通信开销问题(Communication Cost)。
本文是我们联邦学习系列研究文章中的一篇,重点聚焦的是联邦学习中的通信开销问题(Communication Cost)。
在各种任务中人类的学习能力和机器的学习能力究竟哪个更胜一筹?
阿里 AI Labs 从此要加上一个「云」字:其已并入云智能事业群,主要由谭平教授负责。
任何生命在任何阶段,都有权利活得「安全」、「体面」。而 AI,正在这一愿景中扮演愈发重要的角色。
从憧憬中来,到革新里去,记录科技改变世界的魔幻之年 | 趋势预测
你的人脸不会被恶意「盗刷」,也有小视科技 AI 算法的一份力。
智能客服市场有多大?有哪些优秀玩家?这些玩家提供了哪些解决方案?解决了什么痛点?在这份报告中,我们进行了详细解读。
水果为什么越来越好吃了?网红农产品背后是农业的创新力量。
在 12 月 20 日举行的「WAVE SUMMIT+ 2020 深度学习开发者峰会」上,飞桨平台交出了一份非常亮眼的年终成绩单。
2020 年是 AI 逐渐深入生活,倒逼各行业数字化转型的一年。与此同时,随着新技术的产生,也开始带来不少麻烦与问题。如何正确理解新技术,并像解题一样,解决与之相伴的新问题,成为一项考验。
小小的 AR 投篮机背后包含着哪些技术?我们和腾讯微视技术团队聊了聊。
当买家非要「看图说话」,AI 客服要怎么破?
农业喷洒应用中的 AI 身影。
「第三代人工智能」能帮助我们做什么?瑞莱智慧 RealAI 用两年的时间给出了一个答案。
小小词典笔为何让人“上瘾”?机器之心试图通过采访,了解有道词典笔背后从 0 到 1 的工程实践。
一万八千人参会的NeurIPS 2020 相比去年数量暴涨了三成,在大会上,1750 亿参数模型 GPT-3 再次成为了人们热议的话题。
自 Transformer 被提出以来,便席卷了整个 NLP 领域。其实,它还可以用来进行目标检测。Facebook AI 的研究者首先推出了 Transformer 视觉版本——Detection Transformer(DETR),填补了 Transformer 用于目标检测的空白,对标超越 Faster RCNN。基于 DETR,研究者们提出了多种优化版本进行目标检测任务,效果还不错。
400 亿美元收购 Arm,把业界顶级显卡性能一次提升 20 倍,市值超越英特尔成为第一大芯片公司……2020 年的科技界大新闻,英伟达一家就占了好几条。
在智能城市 1.0 时代,因缺少统一的精准时间和空间信息作为基准,海量终端信息无法进行统一管理。 千寻位置的时空智能操作系统「昆仑镜」,是对时空能力进行调度的操作系统 。以前大家所理解的「操作系统」,是对计算能力进行调度的操作系统,比如阿里云的飞天、Windows、iOS 等。「昆仑镜」,是对时空能力进行调度的操作系统,调度「定位 + 地图 + 时间」的能力。 从产业链角度来说,「昆仑镜」的出现也帮助了北斗与终端应用的连接,降低北斗高精度应用门槛,推动北斗产业化进程。
家里没矿、没王位,但谁还没有个王子、公主梦?