logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

CVPR 2025 Highlight | 可控视频生成新范式Uni3C:无需联合标注数据,一套框架统一相机与人体控制

为此,我们提出Uni3C(Unified 3D-enhanced Camera and Human Motion Control),基于3D引导的相机轨迹与人体运动统一控制的视频生成框架,在实现高精度相机轨迹控制的同时,支持复杂视角下人物与环境互动的物理空间合理性。AI TIME源起于2019年,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,加强思想碰撞,链接

大模型产业落地与生态构建 | 线下活动报名

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入!中国 · 天津2024 WIE世界智能大会大模型产业落地与生态构建活动介绍 在当今人工智能迅猛发展的时代,大模型技术作为推动行业革新的关键力量,正逐步从理论研究走向产业应用。大模型以其超强的数据分析和处理能力,为各行各业带来了前所未有的智能化变革机遇。然而,大模型的产业落地和生态构建并非一帆风顺,它面临着算力资源分配、数据安全与隐私保护、.

《人工智能之认知图谱》重磅发布(附报告全文下载)

【导读】近日,由清华大学人工智能研究院、北京智源人工智能研究院、清华—中国工程院知识智能联合研究中心、阿里集团—新零售智能引擎事业群编写的《人工智能之认知图谱》报告正式发布。报告显示,以...

#人工智能#大数据#机器学习 +2
大咖直播 | 大连理工赵纪军教授:人工智能算法用于团簇研究和势函数拟合

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入!5月20日AI TIME 联合并行科技邀请了大连理工大学物理学院院长赵纪军教授!还记得曾经人气掀翻B站直播间的大连理工大学赵纪军教...

#人工智能#css#html +1
NeurIPS Spotlight | 压缩 LoRA 400倍!Uni-LoRA:仅需一个向量,微调千亿大模型!

众多研究者致力于在减少可训练参数的同时,保持模型性能稳定。在 MRPC、SST-2、CoLA 等多个子任务中,Uni-LoRA 仅使用0.023M可训练参数,却取得了88.3的平均分数,超越了LoRA(0.786M参数,平均87.8分)、VeRA(0.061M参数,平均87.8分)等主流方法,实现了“以更少参数达更优性能”的目标;这些方法的共性在于,均是将 LoRA 参数投影到结构化的低维子空间中

迁移学习前沿探究探讨:低资源、领域泛化与安全迁移

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入!作者丨王晋东整理丨维克多迁移学习是机器学习的一个重要研究分支,侧重于将已经学习过的知识迁移应用于新的问题中,以增强解决新问题的能力、提高解决新问题的速度。4月8日,在AI TIME青年科学家——AI 2000学者专场论坛上,微软亚洲研究院研究员王晋东做了《迁移学习前沿探究探讨:低资源、领域泛化与安全迁移》的报告,他...

#算法#人工智能#大数据 +2
论文推荐|视频生成别再死磕算力了!Sparse VideoGen2 靠语义感知重排序,稀疏注意力狂飙

即便有了语义聚类与重排序,关键token的数量也不能无限制增长。AI TIME源起于2019年,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,加强思想碰撞,链接全球AI学者、行业专家和爱好者,希望以辩论的形式,探讨人工智能和人类未来之间的矛盾,探索人工智能领域的未来。针对GPU的计算特性,设计了支持可变块大小的稀疏注意力kernel,配合高效的批量k-mean

#人工智能#机器学习
ICLR‘25 Spotlight | 模型剪枝新方法 LLM-Streamline

AI TIME源起于2019年,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,加强思想碰撞,链接全球AI学者、行业专家和爱好者,希望以辩论的形式,探讨人工智能和人类未来之间的矛盾,探索人工智能领域的未来。,在尽量保持模型准确度的前提下减少模型的大小,提高模型的计算速度。已有的结构化剪枝方法主要在宽度层面进行剪枝,亦即对隐藏状态大小、注意力头数或注意力维度进行剪

#剪枝#人工智能#算法 +2
CogVLM:智谱AI 新一代多模态大模型

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入!以下文章来自GLM大模型:自 5 月 18 日发布并开源 VisualGLM-6B 以来,智谱AI&清华KEG潜心打磨,致力于开发更加强大的多模态大模型。基于对视觉和语言信息之间融合的理解,我们提出了一种新的视觉语言基础模型 CogVLM。CogVLM 可以在不牺牲任何 NLP 任务性能的情况下,实现视觉语言特征的深度融合。我们训练

#人工智能
如何构建和训练ChatGPT【复旦大学自然语言处理实验室】

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入!郑骁庆复旦大学计算机科学技术学院副教授、博士生导师,美国麻省理工学院International Faculty Fellow,加州大学洛杉矶分校访问学者,主要研究方向为自然语言处理和机器学习,在Computational Linguistics、NeurIPS、ICLR、ACL、AAAI、IJCAI、EMNLP、WWW、T-ASL等自然语言

#自然语言处理#人工智能
    共 329 条
  • 1
  • 2
  • 3
  • 33
  • 请选择