四大模型革新NLP技术应用 揭秘百度文心ERNIE最…

2019年以来，基于深度神经网络的预训练技术在技术创新和工业应用上不断取得突破，但传统预训练技术...

2021-05-25 综合 我要分享

脸书开源用于视觉和语言模型的深度学习框架

脸书释出深度学习框架Pythia，该框架专为视觉和语言任务设计，协助研究人员能够更快地建置模型原型和执行实验

2019-05-23 综合 我要分享

AI趋势周报第121期：通吃自然语言和程式语言！微软发表CodeBERT模型让程式码搜寻更便利

微软亚洲研究院发表CodeBERT模型，可理解自然语言和6种程式语言，包括Ruby、Java、JavaScript、Python、Go、PHP等，能用自然语言来查询程式码，也可以建立程式码文档；另一方面，DeepMind释出两款JAX函式库Haiku和RLax，要来提升强化学习的实作；而由微软共同创办人成立的艾伦AI研究院AI2，发表了电脑视觉模型评比工具。          

2020-02-27 综合 我要分享

AI趋势周报第134期：Transformer也能用来解电脑视觉任务！脸书发表DETR模型

脸书日前发表影像辨识模型DETR，将常用于自然语言任务的Transformer架构，也用来应付电脑视觉问题。OpenAI最近发布超大自然语言模型GPT-3，用了1,750亿个参数，在一系列测试中精准度都达高阶（SOTA）表现。DeepMind最新研究发现，句法偏差可改善BERT表现。百度发布量子机器学习平台Paddle Quantum.

2020-06-04 综合 我要分享

全球首个知识增强的多模态预训练模型，百度ERN…

赋予机器“认知”能力一直以来便是人工智能中最具挑战的难题，如今这个难题随着百度ERNIE...

2020-07-07 综合 我要分享

这个深度学习库能执行 10 多种图像文本任务，有 20 多个数据集，还统一接口｜已开源

支持10余种图像文本任务，囊括20多种数据集，还提供SOTA模型性能和可复现预训练及微调实验配置。没错，这是一个视觉语言深度学习框架就可以拥有的。这个库的庐山真面目是：Salesforce亚洲研究院推

2022-12-21 资讯 我要分享

AI趋势周报第154期：OpenAI零样本学习新作CLIP，不靠128万样本就完胜ResNet50

OpenAI不仅发表号称是GPT-3翻版的图像生成模型DALL·E，也同时发布一套文字和图像预训练模型CLIP，可根据自然语言来学习视觉概念。特别的是，使用者只需提供图像类别名称，就可直接将CLIP用于任何影像分类的基准测试（Benchmark），无须特别优化。          

2021-01-07 综合 我要分享

如何看图说话？Facebook提出全新的基于图像实体的图像字幕框架

原文来源：arXiv作者：Jiasen Lu、Jianwei Yang、Dhruv Batra、Devi Parikh、Georgia Institute of Technology、Facebook AI Research“雷克世界”编译：嗯~...

2018-04-01 科技 我要分享

教 ChatGPT 学会看图的方法来了

2022年流行"文生图"模型，那2023年流行什么？机器学习工程师DanielBourke的答案是：反过来！这不，一个最新发布的"图生文"模型在网上爆火，其优秀的效果引发众多网友纷纷转发、点赞。不仅是

2023-02-12 资讯 我要分享

特斯联 AI 研发突破（1）：基于语义对齐多级表征学习的指定视频目标分割

图像分割技术是计算机视觉领域的重要研究方向，也是该领域其他应用的一个重要前期步骤。近些年来，随着深度学习技术的逐步深入，图像分割技术有了突飞猛进的发展，尤其在场景物体分割、人体背景分割、三维重建等技术

2022-12-19 资讯 我要分享

AI趋势周报第97期：AI向下扎根！教育部推出中小学AI教材

配合108学年度新课纲，教育部释出适合中小学的AI教案《和AI做朋友吧》电子版，预计9月提供线上AI教师培育班，12月将举办教师工作坊。

2019-08-19 综合 我要分享

谷歌发布最新看图说话模型：可实现零样本学习，多类型任务也能直接上手

谷歌新推出了弱监督看图说话模型SimVLM，能够轻松实现零样本学习（zero-shot）任务迁移。从文字描述图像到回答图片相关问题，模型无需微调也能样样精通。对于一般的视觉语言预训练（VLP）模型，训

2022-05-08 资讯 我要分享

不做文盲画家，谷歌魔改「文本编码器」：一个小操作让图像生成模型学会「拼写」

图像生成模型终于学会了拼写单词，秘诀竟是字符特征？过去的一年里，随着DALL-E2，StableDiffusion等图像生成模型的发布，text-to-image模型生成的图像在分辨率、质量、文本忠实

2023-02-12 资讯 我要分享

微软Azure影片索引器正式上线，新加入情绪侦测、语言辨识模型，自动判别讲者情绪及使用语言

现在影片索引服务变得更聪明，即使影片中未出现关键字，根据影片的演说情境、视觉提示等资料，系统也能辨别该影片的议题、内容

2018-09-14 综合 我要分享

聚焦多模态自然语言处理，京东智联云亮相NLPCC…

近年来,人工智能 (AI) 在涉及单一模态如语音、自然语言和视觉等领域,取得了重大突破。在单一模态的...

2020-11-02 综合 我要分享

索尼全球首发VLM驾驶接管预警

索尼11月5日在第九届进博会全球首发基于视觉语言模型的驾驶接管危险预警技术，通过分析前方道路画面判断是否接近或超出智驾系统设计运行范围，提供三级接管提示，目前已与清华汽车工程学院在苏州开展实路测试。

2026-11-08 科技 我要分享

唇语识别会成为语言交互的终极战场吗？

在今年的乌镇世界互联网大会上，搜狗展出了一项黑科技——唇语识别，12月14号搜狗在北京...

2020-02-02 综合 我要分享

DeepMind 两年研究一朝公开，通用人工智能最新突破：一个模型、一套权重通吃 600 + 视觉文本和决策任务

感谢最新网友Sancu的线索投递！通用人工智能，还得看DeepMind。这回，只一个模型，使用相同的权重，不仅把看家本领雅达利游戏玩得飞起。和人类聊聊天、看图写话也不在话下。甚至还能在现实环境里控制机

2022-12-19 资讯 我要分享

专栏|香侬科技独家对话Facebook人工智能研究院首席科学家DeviParikh

机器之心专栏 来源：香侬科技 Facebook 人工智能研究院（FAIR）首席科学家 Devi Parikh 是 2017 年 IJCAI 计算机和思想奖获得者（IJCAI 两个最重要的奖项之...

2018-08-26 科技 我要分享

能力跃升、应用下沉，百度大脑打造人工智能时代的驱动引擎

作为百度AI多年技术积累和业务实践的集大成，百度大脑已发展成为全球领先的人工智能平台。12月28日，百度CreateAI开发者大会"百度大脑论坛"举办。论坛围绕打造人工智能时代的驱动引擎展开探讨，带来

2022-05-08 资讯 我要分享