学术速递4 | 谷歌混合精度量化 | 清华语音人脸视频生成 | 谭铁牛步态识别对抗攻击 | 北大点云数据

最新推荐文章于 2025-02-12 18:03:11 发布
原创 最新推荐文章于 2025-02-12 18:03:11 发布 · 1.6k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自然语言处理 #自动驾驶 #深度学习 #计算机视觉

​几篇近期的paper：

  • 清华：音频驱动的具有自然头部姿势的语音人脸视频生成
  • 谭铁牛：对步态识别的时间稀疏对抗性攻击
  • Google Brain：无需专用硬件加速的混合精度量化
  • 北大：SemanticPOSS-具有大量动态实例的点云数据集

1. 清华：音频驱动的具有自然头部姿势的语音人脸视频生成

类似于AI虚拟主播，根据声音生成视频，嘴型和头的姿态越来越自然……Fake News批量化生产指日可待【狗头】，先看一段视频，不是本文的Demo哈，是一张图片生成视频的：

语音人脸视频生成Demo

AI视频生成

标题：Audio-driven Talking Face Video Generation with Natural Head Pose
机构：清华、中科大、浙大
作者：Ran Yi, Zipeng Ye, Juyong Zhang, Hujun Bao, Yong-Jin Liu

最低0.47元/天 解锁文章
arXivDaily
关注
【ICLR 2025】详细解读字节跳动视频生成论文 CyberHost: Taming Audio-driven Avatar Diffusion Model with Region Codebook
沉迷单车的追风少年
09-22 1876
轰轰烈烈的ICLR 2025拉开序幕，由于是Open Review机制，很多最新的好作品都要被公开评审。博主最近会陆续介绍一些看到有趣的Diffusion相关的论文。这篇博客介绍来自字节跳动的可控视频生成相关论文《CyberHost: Taming Audio-driven Avatar Diffusion Model with Region Codebook Attention》。
目前缺少用于语义分割的 3D LiDAR 数据吗？关于三维点云数据集和方法的调查
weixin_43823175的博客
03-04 1823
目前缺少用于语义分割的 3D LiDAR 数据吗？关于三维点云数据集和方法的调查 原文 Are We Hungry for 3D LiDAR Data for Semantic Segmentation? A Survey of Datasets and Methods 论文地址 https://arxiv.org/abs/2006.04307 摘要 3D 语义分割是机器人和自动驾驶应用的一项基本任务。 最近的工作主要集中在使用深度学习技术上，而开发精细注释的 3D LiDAR 数据集是极其劳动密集型的，并
仅用语音，AI就能“脑补”你的脸！ | 技术头条
AI科技大本营
04-05 2585
点击上方↑↑↑蓝字关注我们~「2019 Python开发者日」，购票请扫码咨询 ↑↑↑作者 | Wav2pix 研究团队译者 | 刘畅编辑 | Jane出品 | AI科...
论文阅读: [3d]Audio-driven Talking Face Video Generation with Learning-based Personalized Head Pose
landing_guy_的博客
07-14 1958
介绍使用3d人脸做生成的工作
Audio-driven-TalkingFace-HeadPose:“基于学习的个性化头姿势的音频驱动的有声面部视频生成”的代码
05-02
基于学习的个性化头姿势的音频驱动的会说话的面部视频生成 我们为arxiv论文“基于学习的个性化头部姿势的音频驱动的有声面部视频生成”（ ）提供PyTorch实施。 请注意，此代码受专利保护。 仅出于您的大学（研究机构）的研究目的。 如果您对商业目的/营利目的感兴趣，请联系刘教授（通讯作者，电子邮件： ）。 我们提供了一个演示视频（请在此页面中搜索“ Talking Face”，然后单击“演示视频”按钮）。 我们的拟议框架 先决条件 Linux或macOS NVIDIA GPU 的Python 3 的MATLAB 入门 安装 您可以创建一个虚拟环境，并通过以下方式安装所有依赖项： pip install -r requirements.txt 下载预训练的模型 包括预训练的通用模型和面部重建，身份特征提取等所需的模型 从（提取代码：usdm）或下载，然后复制到相应的子文件夹（
混合精度量化模型指标模拟计算（BitOps与参数规模）
qq_39068200的博客
03-17 1216
本文提取了LIMPQ算法源码，实现了混合精度量化模型的BitOps和参数规模的计算。
大模型训练之计算量和内存优化篇------混合精度/量化QAT、QAF、PTQ/剪枝/知识蒸馏/FSDP&cpu offload/Gradient Checkpointing
weixin_36378508的博客
05-24 5633
大模型训练显存和计算量优化
基于MATLAB的人脸识别研究
TuTu998的博客
09-01 1888
基于MATLAB的人脸识别研究 【摘要】深入分析了主成分分析（Principal Component Analysis，PCA）方法的基本原理，PCA方法最显著的优点是能用低维特征向量来估计原始样本，基于此特点将它用来实现对人脸的识别。此外本文还深入分析了PCA中遇到的特征值选择和距离准则的选取问题。 【关键词】MATLAB；数字图像处理；人脸识别 1.引...
第四届国际步态识别竞赛HID2023已经启动，欢迎报名
u010670887的博客
02-25 1483
欢迎参加第四届步态识别竞赛！
走进CSIG|文档图像大模型在智能文档处理领域中的应用
热门推荐
02-04 3万+
来识别图像中的文本。经过详细的分析发现，GPT4-V也存在着很多问题，比如中文，大家在用的时候会发现中文不管是手写体还是印刷体，GPT4-V识别出来会产生严重的幻觉，经常会输出一大段不存在的文字，并且对于手写公式的识别效果也不是特别好。在手写识别这样的密集文档，以及几何图形和文字结合这种教育场景的文字识别和理解GPT4-V也可以取得较好的结果，对于这些教育场景，传统的文档处理方法需要多个模型进行缝合，而且必须针对特定的场景做定制，这种方法的泛化能力非常有限，从这个角度来看GPT4-V是非常惊艳的。
基于MATLAB的人脸识别系统[创新元素，界面GUI]
m0_59817540的博客
08-10 1151
第一章 绪论 本章提出了本文的研究背景及应用前景。首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本文的主要工作和章节结构。1.1 研究背景自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具...
模型部署——RKNN模型量化精度分析及混合量化提高精度（附代码）
qq_40280673的博客
02-26 1万+
由于在RKNN模型构建的过程中，对模型进行了量化，会无可避免的造成精度损失，使用精度分析接口，可以查看每一层的精度损失情况。通过混合量化，将某些损失较大的层，从量化层转为非量化层，从而提高模型的精度。
【2025】点云中基于语义的任务最新综述
qq_45775465的博客
07-24 1092
点云中基于语义的任务主要分为了传统任务和新兴任务，该github仓库对各类任务的最新论文及对应的开源代码进行了整理：
【论文阅读】Are We Hungry for 3D LiDAR Data for Semantic Segmentation? A Survey of Datasets and Methods
博客标题不能为空我也没办法
06-01 501
激光SLAM的综述，介绍了主流的方法以及常用的激光数据集
论文阅读：CENET: TOWARD CONCISE AND EFFICIENT LIDAR SEMANTIC SEGMENTATIONFOR AUTONOMOUS DRIVING
qq_53086461的博客
10-17 1454
cenet
2024 CyberHost 语音+图像-视频
最新发布
qq_43275608的博客
02-12 1350
训练阶段：分为预训练阶段和端到端训练阶段。损失函数：包括基础去噪损失、辅助关键点损失和局部重权损失，用于优化生成视频的质量和关键区域的细节。
我们急需三维激光数据的语义分割吗？
计算机视觉life
09-08 1101
我们急需三维激光数据的语义分割吗？ 今天给大家分享一篇论文，论文名称: Are We Hungry for 3D LiDAR Data for Semantic Segmentation? 作者: Biao Gao, Member, IEEE, Yancheng Pan, Member, IEEE, Chengkun Li, Member, IEEE, Sibo Geng, Member, IEEE, Huijing Zhao, Member, IEEE, 论文下载: https://arxiv.org
优质论文汇总-步态识别
weixin_45016199的博客
05-20 1577
步态识别方向顶会顶刊的优质论文汇总，全是干货，建议先收藏。【搬运】【侵删】
大场景3D点云领域自适应论文
Tony2wang的博客
08-17 832
3D点云跨模态学习-域自适应DA论文
2000年后模式识别研究进展与发展趋势探讨
特征选择和变换方法也在进化，以适应不断增长的数据量和高维特征空间，提高了识别效率和精度。同时，分类器设计也在不断演进，引入了深度学习、集成学习等前沿技术，如卷积神经网络和随机森林，这些方法在图像处理、...
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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