DeepMind 用 GAN 虚构视频真假难辨【智能行业热点】(2019.7.22)

视频自监督学习如何让AI真正看懂行为 行为理解是多模态AI的核心能力,其本质是将连续视频流建模为可推理的时空事件序列。传统方法依赖人工标注或强化学习奖励信号,泛化性差且难以解释;而基于对比学习的视频自监督表征学习,通过挖掘视频内部时序一致性,构建出无需语义标签的行为语义空间。该技术融合3D patch建模、因果注意力与动态采样机制,使模型能捕捉跨秒级动作因果链,支撑零样本指令对齐与具身决策。在游戏AI、工业质检、康复评估等需‘观察-归纳-执行’闭环的场景中,已成为替代端到端监督训练的关键范式。 阅读详情

By 超神经


AI 无处不在的时代,每天都有新的技术与研究成果。无论学术界还是商界,AI 方面的新闻都源源不断,让我们对 AI 行业产生新的认知与思考。


HyperAI 超神经精心整理了近日人工智能行业的大事件,一起围观吧。



学界


加州大学开发深度神经网络,可对抗  deepfakes


加州大学河滨分校的 Amit Roy-Chowdhury 视频计算小组,开发了一种深度神经网络架构,可以高精度地识别像素级别的被操作过的图像。


研究人员在大型照片数据集中标记了非操作图像和被操作图像边界区域中的相关像素。给该神经网络一个新的图像,它能够提供该图像被 deepfakes 与否的概率,并定位操作发生的区域。


640?wx_fmt=jpeg


目前研究人员正在研究静止图像,但他们指出这也可以帮助他们检测深度视频。


来源:sciencedaily.com


KAIST 根据婴儿行为训练机器学习模型

将为目标导向任务提供依据


KAIST(韩国高等科学技术研究院)研究人员发现婴儿具有极强的学习能力和丰富的探索行为,受此启发,研究人员开发了一个内在图形物理网络。


它与深层强化学习相结合,允许深度强化学习网络不断改进其直觉模型,鼓励它仅仅基于内在动机与目标对象进行交互。在未来,该直觉模型可以为机器学习工具的开发提供依据和指导,被用于 ATARI 游戏或视频预测。


来源:techxplore.com


企业


英特尔拟将 bfloat16 植入最新处理器

 

英特尔将在其要推出的 CooperLake Xeon 处理器中实施 bfloat16 指令,还将在 Nervana 神经网络处理器 NNP-T 1000 上实施。

 

深度学习促使了人们对新的浮点数格式的探索,bfloat16(BF16 格式)的浮点数成为了深度学习上新的标准。

 

研究人员通过对比发现,bfloat16 能够适用在许多应用领域,包括视觉,语音,语言,生成网络和推荐系统。


640?wx_fmt=jpeg 

bfloat16 最初由谷歌开发并在其第三代 Tensor Processing Unit(TPU) 中实施,此后吸引了大批支持者。对它的使用,将会在计算的训练速度上得到提高。

 

来源:nextplatform.com

 

三星批量生产 12GB LPDDR5 DRAM 芯片

为 5G  和 AI 做准备


三星于近日宣布开始大规模生产 12 GB LPDDR5 DRAM 模块,旨在为未来手机中的 5G 和 AI 功能实现硬件支持。

 

据称,新的 LPDDR5 模块将提供 5,500Mbps 的数据速率,比之前高端智能手机使用模块的数据传输提高了约 30%。

 

三星表示,新款 DRAM 还将实现超高清视频录制,支持 AI 和机器学习等相应功能,新的芯片还将提高了设备电池寿命,与现有 DRAM 相比,功耗降低达到 30%。

 

来源:venturebeat.com


技术


Google Health 启动 SMILY 项目,用于肿瘤筛查


Google Health 目前正在着手开发 SMILY(Similar Medical Images Like Yours),将用于肿瘤的筛查。


这是一个病理学中以人为中心的、相似图像搜索工具。基于 ML 的病理学反向图像搜索工具,医务人员在计算机中输入显微镜分析组织样本,可以第一时间搜索到类似的图像和案例,进而加快诊断速度并提升诊断的准确性。


来源:ai.googleblog.com


 L4 Automated Following 发布

有望解决自动驾驶的卡车列队行驶问题


Peloton Technology 近日发布了 L4 Automated Following,1 名司机可以同时控制两辆卡车并列行驶。


借助自动跟随系统,主卡车司机能够引导跟随卡车的转向、加速和制动,未来将有望提高运输效率,为卡车自动驾驶带来革命性变革。目前该技术已在内部道路测试。


640?wx_fmt=gif

                                                

                                   来源:techxplore.com


新奇


DeepMind 发布 AI 新技术,可生成逼真视频


DeepMind 的最新论文 Efficient Video Generation on Complex Datasets( 复杂数据集上的高效视频生成)详细介绍了 AI 生成视频的最新进展。


研究人员表示,他们的最佳性能模型——双视频鉴别器 GAN(DVD-GAN)包含两个鉴别器:空间鉴别器与时间鉴别器,可以生成连贯的 256 x 256 像素的视频,「保真度显著」,最长可达 48 帧。


640?wx_fmt=gif


在经过 12~96 小时的训练后,DVD-GAN 创建了有物体构成、移动、甚至复杂纹理的视频,比如溜冰场的一侧。AI 生成视频中的「人」,可能并不存在。


论文地址:https://arxiv.org/abs/1907.06571


来源:venturebeat.com


电子芯片可模仿人脑,能瞬间创造或删除记忆


来自 RMIT 大学(墨尔本皇家理工大学)的研究人员开发出一种能够复制大脑存储和丢失信息的芯片。新芯片基于一种超薄材料,可以根据不同波长的光线改变电阻,使其能够模拟神经元在大脑中存储和删除信息的工作方式。


640?wx_fmt=jpeg


论文第一作者 Taimur Ahmed 说:「这项技术使研究人员能够更好地了解大脑及其如何受到破坏神经连接的疾病的影响,如阿尔茨海默病和老年痴呆症。」


来源:sciencedaily.com


—— 完 ——

640?wx_fmt=jpeg

扫描二维码,加入讨论群

获得优质数据集

回复「进群」自动入群

更多精彩内容(点击图片阅读)

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg
【今日CV 计算机视觉论文速览 第144期】Wed, 17 Jul 2019 第144期 视觉论文速览 --残差金字塔深度估计 --通道,空间特征提升模块 --感知评价 --动作数据集Kinetics-700 --细粒度食物数据集Foodx-251 --场景文字合成渲染 阅读详情

相关推荐

【202503】Wan:开放且先进的大规模视频生成模型【1.3B、14B】【支持对无限长度视频进行稳定的Inference】【Wan中的主要计算开销来自注意力机制】

wan: Open and Advanced Large-Scale Video Generative ModelsWan:开放且先进的大规模视频生成模型Wan Team, Alibaba Group Wan 团队,Alibaba GroupThis report presents Wan, a comprehensive and open suite of video foundation models designed to push the boundaries of video generation

u013250861的博客 737

用GAN来生成视频,结果很诡异!

整理自“机器之心”近日,来自 DeepMind 的研究者则尝试在视频建模领域实现逼真的效果,他们认为除了图像生成,GAN 在视频生成上也是没啥问题的。类似 BigGAN ...

机器学习算法与Python学习 3922

具身智能落地关键:世界模型与VLA如何协同跨越知行鸿沟

具身智能的核心挑战并非模型参数比拼,而是‘知’(理解世界)与‘行’(可靠改造世界)之间的系统性断层。世界模型作为可微分的物理引擎,负责状态表征、动力学预测与长程规划;VLA则扮演神经编译器角色,将自然语言指令映射为底层动作信号。二者的技术价值不在单点性能,而在于耦合质量——状态-动作接口的粒度匹配、时间同步与不确定性传递,直接决定机器人在真实场景中的鲁棒性与安全性。当前工程落地瓶颈集中于仿真到真机迁移中的延迟驯化、开放环境下的容错机制,以及能耗与机械寿命约束下的持续运行能力。本文聚焦世界模型与VLA协同设计

weixin_30263277的博客 570

DeepMind论文:深度压缩感知,新框架提升GAN性能

https://www.toutiao.com/a6694045305064653324/ 【新智元导读】DeepMind提出一种全新的“深度压缩感知”框架,将压缩感知与深度学习相结合,显著提高了信号恢复的性能和速度,并提出一种改进GAN的新方法。 压缩感知(CS)是一种优雅的框架,用于从压缩信号中恢复稀疏信号。 例如,CS可以利用自然图像的结构,仅从少量的随机测量中恢复图像...

喜欢打酱油的老鸟 2808

AI产业生态重构:从模型竞争到工具链、数据与可控性博弈

大语言模型(LLM)已迈过单点能力突破阶段,进入以工程化落地为核心的产业深水区。其技术演进逻辑正从‘参数规模’转向‘多模态对齐’‘指令数据自动化生成’‘可控生成约束’等底层范式;技术价值不再仅体现于推理性能,更在于可监控、可计费、可迭代的生产就绪能力;典型应用场景覆盖企业级RAG系统构建、合规敏感行业的私有化部署、低代码AI工作流编排等;而Langfuse、Dolma、txtai等新兴工具链,正加速弥合论文创新与工业落地之间的断层。本文聚焦2023年关键节点上Gemini架构设计、Code Llama生态策

dengliugong3918的博客 506

潜空间是什么:AI模型的语义压缩与可解释性核心

潜空间是深度学习中对高维原始数据进行语义压缩后的低维抽象表示,其本质是通过编码器将冗余像素、文本或音频映射为紧凑、结构化的向量分布。它遵循信息论中的最小描述长度原则,在数学上体现为非线性流形或概率分布,技术价值在于支撑生成、检索、推理与跨模态对齐等关键能力。典型应用场景包括图像生成中的隐变量控制、推荐系统中的用户-物品语义匹配,以及大模型中的多模态对齐(如CLIP)。理解潜空间需兼顾其几何特性(如流形弯曲性)与工程表现(如后验坍缩、潜空间漂移),而VAE和GAN的潜空间设计差异,正反映了语义解耦与生成质量之

ctpaknc9526的博客 424

GAN零基础入门:从伪造视频到生成假脸

  这是一篇关于GAN的零基础入门介绍。作者用“制假贩子”和“侦探”的比方讲起,形象介绍了关于GAN的概念、组成和运作机制,以及基于GAN常见热门应用方向等入门概念性知识。  目前,人工智能(AI)领域正在快速发展,每隔一段时间就取得新的突破。最近突出的一个词是Generative Adversarial Network(GAN) - 但这是什么意思?  名词解释:究竟什么...

weixin_34194087的博客 789

Adversarial_Video_Generation:Mathieu,Couprie和LeCun的“超越均方误差的深度多尺度视频预测”的TensorFlow实现

对抗视频生成 该项目实施了一个生成对抗网络,以预测视频的未来帧,如Mathieu,Couprie和LeCun的。 他们的官方代码(使用Torch)可在找到。 对抗生成使用两个网络(生成器和鉴别器)来提高生成图像的清晰度。 给定视频的过去四帧,生成器将学习为下一帧生成准确的预测。 给定生成的图像或真实世界的图像,鉴别器将学习正确地对生成的图像和真实图像进行分类。 这两个网络“竞争”,生成器试图欺骗鉴别器将其输出分类为真实。 这迫使生成器创建与域中实际帧看起来非常相似的帧。 结果与比较 我在Pac-Man女士的帧序列数据集中训练并测试了我的网络。 为了比较对抗性训练与非对抗性训练,我在生成器和判

人工智能十年回顾

在过去的十年中AI快速增长的两个主要原因是: 1)数据 -借助Internet和IoT设备,生成的数据量呈指数增长。 2)计算 -解决了我们在过去几十年中遇到的数据处理障碍,这反过来又增强了人工智能的能力。许多公司已经开始为训练深度学习模型创建专门的硬件。 2010年 ImageNet竞赛 ImageNet大规模视觉识别挑战(ILSVRC)评估应用于大规模对象检测和图像分类的算法。这是迄...

La victoria的博客 1168

Halcon频域滤波实战:5分钟搞定傅里叶变换与功率谱分析(附完整代码)

本文提供Halcon频域滤波的实战指南,重点讲解如何利用傅里叶变换与功率谱分析快速解决图像处理难题。通过核心算子fft_image和power_real,演示了从空间域转换到频域、分析功率谱以定位周期性噪声,并构造滤波器进行精准去除的完整流程,附有可直接运行的代码示例。

docker8compose的博客 216

AD9361数字调制入门:从IQ调制原理到动手实现第一个ASK信号(Vivado工程详解)

本文详细介绍了如何使用AD9361射频收发器实现ASK数字调制,从IQ调制原理到Vivado工程实现。通过Verilog代码示例和FPGA架构设计,帮助开发者理解纯逻辑实现数字调制解调的关键技术,特别适合软件无线电(SDR)初学者入门实践。

weixin_29158047的博客 374

【Reading Notes】(7)Favorite Articles from 2024

我可以毫不犹豫地告诉你们,你们所做的每一个决定、每一项努力、每一次招聘、取得的每一个成就,以及你们所塑造的公司文化,都将在接下来的30天内决定公司的命运——是充满活力、持续成功,还是走向破产。这种需要,具体而言,就是客户在模型上的选择,毕竟“没有一个模型可以一统天下”,每个模型都有自己所擅长的领域。这次,OpenAI着重介绍了Sora的几项功能:Remix(重混)、Re-cut(重新剪辑)、Storyboard(故事板)、Loop(循环)、Blend(混合)以及Style presets(风格预设)。

bryant_meng 9856

03.Linux下目录动态扩容,以分配home的部分空间给root为例

本篇文章将介绍Linux下分配home目录的部分空间给root目录。大致思路:卸载home,解除其磁盘容量占用->扩容root,增加其磁盘空间->重建恢复home操作演示环境为CentOS系统,其他操作系统例如openEuler也可作为参考。01.Linux下目录扩容,以增加root目录的磁盘容量分配为例操作系统版本如下名称版本CentOS7.6+

ChennyWJS的博客 2337

视频创作技术名词学习

短视频创作技术名词/算法/插件,分析的算法,自动化爬取的常用cli/库

少年何妨梦摘星,敢挽桑弓射玉衡。 他时若遂凌云志,敢笑黄巢不丈夫。 593

LTE信令流程及业务流程

eNB返回E-RAB建立响应消息,E-RAB建立列表信息中包含成功建立的承载信息,E-RAB建立失败列表消息中包含没有成功建立的承载消息。3)当下行数据达到时,网络侧先对UE进行寻呼,随后UE发起随机接入过程,并发起service request过程。用户面:S-GW向eNB发送承载建立请求,包含(IMSI, QoS, TFT, TEID, LBI等)控制面:MME向eNB发送E-RAB建立请求,包含E-RAB ID,QoS,S-GW TEID。3)在S1接口上建立S1承载,在Uu接口上建立数据无线承载。

qq_44390640的博客 4584

面向边缘计算的YOLOv12模型剪枝-蒸馏联合优化实战教程**

这套剪枝-蒸馏联合方案的优势在于其系统性和可靠性。它不是单一的技巧,而是一套完整的工程流程,确保了从研发到部署的无缝衔接。

FJN110的博客 160

前沿 | 具身智能的“大脑”与“小脑”:整体架构与小脑运控分析

摘要: 本文基于生物“大脑-小脑”分工机制,系统剖析具身智能机器人的分层架构设计。其中,“大脑”负责感知决策(如VLA大模型、分层规划),解决“做什么”问题;“小脑”专注运动控制(模型预测、模仿学习、强化学习),解决“怎么做”问题。文章详细对比了三大控制技术路线的优劣,指出强化学习在步态控制中的主导地位,并探讨力控与运控的融合趋势。通过构建从架构设计到算法实现的完整技术地图,为具身智能的“双脑协同”发展提供系统性参考。

Robot-Nav的博客 2952

黑猫带你学UFS协议第2篇:UFS相关名词释义

本文依据UFSJEDEC3.1、个人工作经验整理而成,如有错误请留言。文章为个人辛苦整理,付费内容,已加入原创保护,禁止私自转载。文章所在专栏《黑猫带你学UFS协议详解》

黑猫奥利奥的博客 5314

Python深度学习:从入门到实战

亲爱的读者,欢迎您翻开这本书。我们即将探索的,是深度学习的宇宙——一个由数据、算法与算力构筑的奇妙世界。它既是严谨的科学,也是创造的艺术,更是一条通往未来智慧的修行之路。本书将带您从最基础的数学原理出发,亲手搭建神经网络,驾驭Transformer等前沿模型,最终将智慧转化为现实世界的价值。请放下畏惧,保持好奇。这不仅是一次知识的学习,更是一场思维的远行。来,随我一起,开启这趟非凡的旅程吧。

YunWisdom 163

淘宝母婴用品数据挖掘及可视化分析研究

1. 背景介绍 在当今的电子商务时代,母婴用品市场已经成为了各大电商平台的一片蓝海。淘宝作为中国最大的电子商务平台,其上的母婴用品交易数据自然引人关注。理解这些数据,可以帮助商家更好地制定营销策略,也可以帮助消费者更好地选择产品。因此,本文将对淘宝母婴用品的数据进行深入的挖掘和分析。 1.1 电子商务的

AI天才研究院 1261

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

人工智能基础概念全景解析:从 AI 到 Transformer、LLM、Prompt、Token、RAG、Agent、对齐与安全

本文全面解析人工智能领域的20+核心概念,从基础定义到深层原理。首先厘清AI的本质——通过算法和数据模拟人类智能,并列举推荐系统、语音助手等日常应用场景。随后深入技术层面:解析AI/机器学习/深度学习的层级关系,剖析Transformer架构、大语言模型(LLM)及提示词工程;详解生成参数(Temperature等)、Token机制、上下文窗口等关键技术要素;探讨多模态融合、RAG增强、Embedding等前沿方向;最后覆盖模型训练、评测体系、AI Agent架构,以及幻觉、安全伦理等关键议题。通过系统梳理

2503_92929084的博客 2201

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

上一篇: 谷歌叫停中文搜索引擎【智能行业热点速览】(2019.7.19)
下一篇: 李开复现身雁栖湖,对这一百多个学生说了啥?
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值