Learn more about Editors Pick - Section 28
使用AI框架“DreamPose”将时尚图像转化为惊人逼真的视频
时尚摄影在在线平台上广泛存在,包括社交媒体和电子商务网站。然而,作为静态图像,它们在提供关于服装的全面信息方面有限,...
遇见MACTA:一种开源的多智能体强化学习方法,用于缓存定时攻击和检测
我们被各种形式的数据淹没。无论是来自金融部门、医疗保健部门、教育部门还是组织机构的数据,数据的隐私和安全都是每个组织...
研究人员开发了一种新的无标记AI方法,可以使用视频录像来跟踪鸟类的3D姿势
追踪动物和鸟类的行为、凝视和微小运动一直是研究人员面临的挑战,因为目前仍然缺乏大量带有准确3D注释的多角度动物图像的数...
“先有梦想,后学习:DECKARD是一种利用LLMs训练强化学习(RL)智能体的AI方法”
强化学习(RL)是训练可以通过与环境交互学习完成复杂任务的自主代理的流行方法。RL使它们能够在不同条件下学习最佳动作,并...
中国研究人员提出了一种名为CarveMix的数据增强方法,用于脑损伤分割
使用卷积神经网络(CNN)进行自动脑损伤分割已成为有价值的临床诊断和研究工具。然而,基于CNN的方法在准确分割脑损伤方面仍...
斯坦福大学研究人员推出了Sophia:一种可扩展的语言模型预训练的二阶优化器
鉴于训练语言模型的高昂成本,对优化过程进行非平凡改进将极大地减少完成训练过程所需的时间和金钱。Adam及其变种长时间以来...
“见面TR0N:一种简单高效的方法,可以为预训练的生成模型添加任何类型的条件”
最近,大规模机器学习模型在各种任务中表现出色。然而,训练这样的模型需要大量的计算机计算能力。因此,正确有效地利用当前...
合成字幕对于多模态训练是否有用?这篇AI论文展示了合成字幕在提高多模态训练的字幕质量方面的有效性
多模态模型是人工智能领域的最重要进展之一。这些模型旨在处理和理解来自多种模态的数据,无论是视觉数据(包括图像和视频)...
这个Python库“Imitation”提供了PyTorch中模仿和奖励学习算法的开源实现
在明确定义奖励函数的领域,如游戏中,强化学习(RL)已经超过了人类的表现。不幸的是,在真实世界中许多任务中,设计奖励函...
认识LogAI:一个专为日志分析和智能设计的开源库
LogAI是一个免费的日志分析和智能库,支持各种日志分析和智能任务。它与多种日志格式兼容,并具有交互式图形用户界面。LogAI...
三星AI研究人员推出神经剪发:一种新颖的AI方法,可以从视频或图像中重构基于股的人发几何形状
来自三星人工智能中心、Rockstar Games、FAU Erlangen-Nurnberg和Cinemersive Labs的研究人员提出了一种全新的基于图像的建模...
一项由萨里大学研究人员开发的新软件可以验证人工智能实际掌握的信息量
在过去几年中,人工智能(AI)领域发生了几项技术突破,深刻影响了多个行业和领域。AI在彻底改革医疗保健行业、改变企业运营...
一项新的人工智能研究解释了如何通过上下文指导学习(ICIL)来提高预训练和指导微调模型的零样本任务泛化性能
大型语言模型(LLMs)通过一种称为few-shot演示的过程,在推理过程中展示出了它们可以适应目标任务的能力,有时也被称为上下...
使用预训练的文本到图像扩散模型完成点云补全
你听说过点云这个术语吗?它是三维数据的基本表示,由三维坐标系中的点组成,描述了物体或环境的几何和空间属性。由于提供了...
52 AI工具供销售专业人员使用(2023)
动态 动态是一种帮助用户管理日历、会议和项目的生产力工具。 Seamless.ai 该平台是一款用于B2B销售线索的实时搜索引擎。它可...
剑桥大学和加州大学洛杉矶分校的研究人员推出了DC-Check:一种新的数据中心人工智能检查清单式框架,用于指导可靠机器学习系统的开发
机器学习(ML)算法的革命性进展已经赋予了各个行业中许多人工智能应用以强大的能力,例如电子商务、金融、制造和医药。然而...
斯坦福大学的研究人员介绍了局部条件扩散:一种使用扩散模型进行组合式文本到图像生成的方法
3D场景建模传统上是一项耗时的过程,只有具有领域专业知识的人才能进行。尽管在公共领域中有大量的3D材料可用,但很难找到与...
基于深度学习的天气预测模型的研究
由于对全球人类生活的影响,天气预报引起了来自各个研究领域的研究人员的兴趣。许多研究受到深度学习技术的最新发展、大量天...
ChatGPT的行为随时间变化吗?研究人员评估了GPT-3.5和GPT-4的2023年3月版和2023年6月版在四个不同任务上的表现
大型语言模型(LLMs)已成功证明是人工智能领域中最好的创新。从BERT、PaLM和GPT到LLaMa DALL-E,这些模型在理解和生成语言以...
“遇见CutLER(Cut-and-LEaRn):一种简单的人工智能方法,用于训练无需人工注释的目标检测和实例分割模型”
目标检测和图像分割是计算机视觉和人工智能中关键的任务。它们在许多应用中至关重要,如自动驾驶车辆、医学成像和安全系统。 ...
- You may be interested
- ETH Zurich 的研究人员推出了GoT(思维图...
- 亚马逊 EC2 深入剖析:通过硬件洞察优化工...
- 如何获得那份回聘机会
- 使用Seaborn制作冲孔卡图表
- 苹果推出开源机器学习框架: MLX
- 大型语言模型:RoBERTa – 一种鲁棒...
- 5个Google Duet AI令人惊叹的G-Suite功能...
- 精通Python for循环[附示例讲解]
- 书评:“《AI是如何工作的:从魔法到科学》...
- 各行业如何通过语音人工智能满足消费者期望
- 网络犯罪分子使用WormGPT破坏电子邮件安全
- 打造五星级应用程序:利用人工智能和自动...
- 将伦理原则置于研究生命周期的核心位置
- 与人工智能对话:构建更好的语言模型
- 微软和哥伦比亚大学的研究人员提出了LLM-A...