点击上方蓝字,关注高德技术！2019杭州云栖大会上，高德地图技术团队向与会者分享了包括视觉与机器智能、路线规划、场景化/精细化定位、时空数据应用、亿级流量架构演进等多个出...

引言“一图胜千言”，大数据时代来临，数据与人们生活密切相关。复杂难懂且体量庞大的数据给人的感觉总是冷冰冰的，让人难以获取到重点信息，也找不出规律和特征，数据价值发挥不出来。空间数据可视化就...

点击上方蓝字,关注高德技术！1.导读高德定位业务包括云上定位和端上定位两大模块。其中，云上定位主要解决Wifi指纹库、AGPS定位、轨迹挖掘和聚类等问题；端上定位解决手机...

在将预训练模型权重适配到下游理解和生成模型时，针对图像分类任务，ViT 编码器的预训练权重可直接继承，无需额外调整，且仍然使用Class Token作为最终表征。USP 显著提升了 DiT 与 SiT 两个扩散模型的训练效率，仅用 600K 和 150K 步即可超越原始 7M 步的表现，分别加速 11.7× 和 46.6×，同时在图像识别任务中也保持了强大表示能力，具备良好的扩展性且无额外开销。同

BEV(Bird’s-Eye-View)是一种鸟瞰视图的传感器数据表示方法，它的相关技术在自动驾驶领域已经成了“标配”，纷纷在新能源汽车、芯片设计等行业相继量产落地。BEV同样在高德多个业务场景使用，例如：高精地图地面要素识别、车道线拓扑构建、车端融合定位中都扮演了重要角色。如图1‑1所示：图1‑1 BEV在高德应用场景（仅列举部分）a)高精底图 b)地面要素识别c)车道线拓扑构建[1]d)车..

点击上方“蓝字”，轻松关注我们导读：道路匹配是地图数据处理方面非常基础且重要的理论，特别是道路相关业务，一定避不开道路匹配的应用，这也是业务中普遍会碰到的痛点。本文属于「...

高德智能技术中心研发团队在工作中设计了对比学习框架进行知识蒸馏，并在此基础上提出COS-NCE LOSS，该论文已被AI顶会AAAI2021接收。NLP自然语言处理在高德各个业务线发挥重...

通过将基于组内的决策动态直接纳入标准的PG方法，GPG简化了训练过程，并显著减少了计算开销，而不削弱模型效果。这一突破为训练能够进行复杂推理的先进LLM提供了更高效的框架，从而为更具资源效率和可扩展性的人工智能系统做出了贡献。GPG开创性地从底层重构强化学习训练框架，仅需优化原始目标，解决已有方法偏差，提高训练效率。：首次揭示现有方法的奖励偏差问题，提出轻量化且高精度的梯度估计方案，显著提升策略稳

我们将分别介绍这些模块。这一优势主要归功于我们采用的基于Point Transformer的网格编码器，它能够有效区分不同身体部位的特征，从而生成更加精确的蒙皮权重分布，最终实现更高质量的网格变形效果。在这个过程中，我们确定粗略的三维骨架，通过计算每条射线与网格表面的交点，并使用每个三维粗略关节的第一次和最后一次交点的中点来得到结果。我们推出了一种创新的自动绑定算法，我们方法的核心模块包括：a）先

此外，我们集成了一个运动强度调制模块，显式控制表情和身体运动的强度，使肖像运动的操控不仅限于唇部动作。然而，自然说话头生成不仅需要关注与音频直接相关的唇部运动，还需关注与音频特征弱相关的其他面部组件和身体部位的运动（如眉毛、眼睛和肩膀）。为了解决这些限制，我们提出了一种新颖的框架，利用预训练的视频扩散变换模型生成高保真、连贯的说话肖像，并具备可控的运动动态。在与Hallo3的对比中，Hallo3的