<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ZONGDAOFU的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ZONGDAOFU</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ZONGDAOFU]]></copyright><item><title><![CDATA[数学大统一理论里程碑进展：几何朗兰兹猜想获证明]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140946585</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140946585</guid><author>ZONGDAOFU</author><pubDate>Tue, 06 Aug 2024 09:55:16 +0800</pubDate><description><![CDATA[历经三十年的努力，数学家已经成功证明了一个名为「朗兰兹纲领（Langlands program）」的宏大数学愿景的主要部分。]]></description><category></category></item><item><title><![CDATA[剑桥、牛津大学等：当使用递归生成的数据进行训练时，人工智能模型会崩]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140931177</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140931177</guid><author>ZONGDAOFU</author><pubDate>Mon, 05 Aug 2024 16:53:03 +0800</pubDate><description><![CDATA[当使用递归生成的数据进行训练时，人工智能模型会崩。]]></description><category></category></item><item><title><![CDATA[AI图像生成开源模型FLUX.1横空出世]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140922776</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140922776</guid><author>ZONGDAOFU</author><pubDate>Mon, 05 Aug 2024 11:38:27 +0800</pubDate><description><![CDATA[参考：https://m.thepaper.cn/newsDetail_forward_28286408]]></description><category></category></item><item><title><![CDATA[UBC和LMSYS提出SGLang runtime]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140909414</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140909414</guid><author>ZONGDAOFU</author><pubDate>Sun, 04 Aug 2024 18:21:51 +0800</pubDate><description><![CDATA[加州大学伯克利分校和LMSYS提出SGLang runtime 提升大模型推理速度。]]></description><category></category></item><item><title><![CDATA[Meta开源SAM2]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140833123</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140833123</guid><author>ZONGDAOFU</author><pubDate>Wed, 31 Jul 2024 21:38:44 +0800</pubDate><description><![CDATA[这项技术是对之前版本的重大升级，现在不仅能够处理图像分割，还能够处理视频分割。这项技术的推出可能会对计算机视觉领域产生重大影响，特别是在视频编辑、增强现实（AR）、虚拟现实（VR）等领域。- **许可协议**：SAM2遵循Apache 2.0许可协议，这意味着它可以被广泛地使用，包括商业用途。- **发布时间**：SAM2是在2024年7月30日宣布开源的。- 在视频分割性能方面优于现有的解决方案。- 提供了交互式和自动化的分割方式。- 在图像分割的准确性方面有所提升。- 能够实时分割视频中的对象。]]></description><category></category></item><item><title><![CDATA[【无标题】]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140368155</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140368155</guid><author>ZONGDAOFU</author><pubDate>Fri, 12 Jul 2024 08:01:11 +0800</pubDate><description><![CDATA[7. **知识蒸馏**：通过将大型模型的知识转移到较小的模型上，可以在保持性能的同时减少计算资源的需求，这对于处理长文本特别有用。9. **记忆增强机制**：一些模型集成了外部记忆组件，如神经图灵机（NTM）或不同的可读写存储器，以增强其处理长序列的能力。6. **增量推理**：对于连续的文本输入，模型可以采用增量方式更新其内部状态，而不是从头开始处理每一个新的输入。4. **滑动窗口**：通过滑动窗口技术，模型可以在处理每个窗口时考虑到前后文，从而更好地理解整个文本的上下文。]]></description><category></category></item><item><title><![CDATA[dlib简介]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140340447</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140340447</guid><author>ZONGDAOFU</author><pubDate>Thu, 11 Jul 2024 08:08:45 +0800</pubDate><description><![CDATA[Dlib is a modern C++ toolkit containing machine learning algorithms and tools for creating complex software in C++ to solve real-world problems. It is primarily used for tasks requiring pattern recognition, such as face detection, object detection, and fac]]></description><category></category></item><item><title><![CDATA[找到RAG最佳实践]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140329628</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140329628</guid><author>ZONGDAOFU</author><pubDate>Wed, 10 Jul 2024 17:20:41 +0800</pubDate><description><![CDATA[找到RAG最佳实践》：来自复旦团队的工作，对现有的RAG方法进行了广泛的实验和分析，试图找出最有效的实践方式。他们尝试了不同的查询分类、文档检索、重排、重组、摘要等策略，并对每种策略的效果进行了评估。2、检索模式：采用混合检索方法，结合了基于BM25的稀疏检索和基于LLM-Embedder的密集检索，以及HyDE技术，以提高检索的相关性。3、重排：使用模型（如monoT5、monoBERT、RankLLaMA）对检索到的文档进行重排，以确保与查询更相关的文档排在前面。]]></description><category></category></item><item><title><![CDATA[Panoptic Segmentation 论文精读]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140158243</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140158243</guid><author>ZONGDAOFU</author><pubDate>Wed, 03 Jul 2024 17:30:32 +0800</pubDate><description><![CDATA[原文链接：
Panoptic Segmentation | Papers With Code]]></description><category></category></item><item><title><![CDATA[Panoptic Segmentation]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140094099</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140094099</guid><author>ZONGDAOFU</author><pubDate>Mon, 01 Jul 2024 10:38:45 +0800</pubDate><description><![CDATA[语义分割和实例分割。语义分割指的是将图像中的每个像素点都赋予一个类别标签()，而实例分割则需要将图像中的每个目标检测并且分割出来。当然，这也是像素级别的分割，不过仅是object的mask。可以知道，语义分割是一种共性的表示，而实例分割是个性的表征。为了从图像中清楚的将不同类别区分开，并且每个object间也都能清楚的区分开。全局分割任务被提了出来[1]，即将语义分割和实例分割结合。给定一张图片，需要将不同类别的事物区分开，这是像素级别的分类，同时同一类别的对象也需要标注单独的ID。]]></description><category></category></item><item><title><![CDATA[目标检测、分割、识别、分类综述]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140010477</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/140010477</guid><author>ZONGDAOFU</author><pubDate>Thu, 27 Jun 2024 12:36:05 +0800</pubDate><description><![CDATA[并随后增加了4个卷积层来构造网络结构。对其中5种不同的卷积层的输出feature map分别用两个不同的 3×3 的卷积核进行卷积，一个输出分类的confidence，每个default box 生成21个类别confidence；一个输出回归用的 localization，每个 default box 生成4个坐标值（x, y, w, h）。此外，这5个feature map还经过PriorBox 层生成 prior box（生成的是坐标）。]]></description><category></category></item><item><title><![CDATA[Feature extraction algorithms commonly used in computer vision and image processing]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139975550</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139975550</guid><author>ZONGDAOFU</author><pubDate>Wed, 26 Jun 2024 08:41:58 +0800</pubDate><description><![CDATA[SIFT, HOG, and LBP are all feature extraction algorithms commonly used in computer vision and image processing. Let's take a closer look at each one:1. **SIFT (Scale-Invariant Feature Transform)**:
   - **Developed By**: David Lowe in 1999.
   - **Purpose*]]></description><category></category></item><item><title><![CDATA[Nemotron-4]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139975326</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139975326</guid><author>ZONGDAOFU</author><pubDate>Wed, 26 Jun 2024 08:27:40 +0800</pubDate><description><![CDATA[4. **合成数据生成**：Nemotron-4系列包含基础、Instruct和Reward模型，形成一个完整的pipeline，专门用于生成高质量的合成数据，这对于那些难以获取真实数据或者涉及隐私问题的领域尤为重要，可以有效降低数据成本并加速模型迭代。7. **经济效益**：由于采用了高效的MOE（专家混合）架构，Nemotron-4相比传统Transformer模型可能展现出更高的效率和更低的运行成本，这对于企业来说，意味着在保证性能的同时，能有效控制计算资源的投入。]]></description><category></category></item><item><title><![CDATA[计算学习理论，VC维、PAC学习和PAC-Bayes]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139962065</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139962065</guid><author>ZONGDAOFU</author><pubDate>Tue, 25 Jun 2024 16:14:30 +0800</pubDate><description><![CDATA[这一理论从概率的角度定义了学习的成功标准，即一个学习算法在有限的样本情况下，能够以高概率（Probability）学到一个近似正确（Approximately Correct）的模型，其错误率不超过一个预设的界限ε，并且这个结论对所有潜在的目标函数都成立，除了一个极小的比例δ。一个假设空间的VC维越大，表示它能拟合的函数越复杂，但同时也更容易过拟合。VC维用于量化模型复杂度，PAC学习提供了模型泛化的概率性保证，而PAC-Bayes理论则在此基础上融入了贝叶斯统计的思想，使得泛化误差的分析更加灵活和全面。]]></description><category></category></item><item><title><![CDATA[机器学习之监督学习]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139954323</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139954323</guid><author>ZONGDAOFU</author><pubDate>Tue, 25 Jun 2024 11:23:15 +0800</pubDate><description><![CDATA[这不仅是由于在监督学习框架下面有各种各样的学习模型，如逻辑斯回归、朴素贝叶斯、支持向量机等，更是因为这个框架有着坚实的理论支撑，机器学习中的计算学习理论就是主要为监督学习服务的：这套理论以概率的方式回答了哪些问题是可学习的，学习成功的概率有多大等问题，其中比较常见的理论有VC理论、PAC理论、PAC-Bayes理论等。非概率模型指的是直接学习输入空间到输出空间的映射h，学习的过程中基本不涉及概率密度的估计，概率密度的积分等操作，问题的关键在于最优化问题的求解。于是，我们转而去找那个使得经验误差最小的假设，]]></description><category></category></item><item><title><![CDATA[论文解读:Pandora: 朝着结合自然语言动作与视频状态的通用世界模型发展]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139862766</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139862766</guid><author>ZONGDAOFU</author><pubDate>Fri, 21 Jun 2024 15:37:46 +0800</pubDate><description><![CDATA[本文的核心目标是开发一个**通用世界模型**（General World Model），这是一个理论上的框架，能够整合广泛的知识和技能，以理解和预测世界的状态变化。论文《Pandora: 朝着结合自然语言动作与视频状态的通用世界模型发展》探索了构建一个高度集成的AI系统，旨在理解自然语言指令并在视频所代表的视觉环境中执行相应操作，从而推进对复杂动态场景的建模与预测能力。- **强化学习与交互**：可能采用强化学习方法，让AI通过与环境的交互学习最佳行为策略，逐步优化其对指令的理解和执行能力。]]></description><category></category></item><item><title><![CDATA[大模型日报｜8 篇必读的大模型论文 2022-6-20]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139861354</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139861354</guid><author>ZONGDAOFU</author><pubDate>Fri, 21 Jun 2024 14:56:20 +0800</pubDate><description><![CDATA[二是纯解码器架构的内在位置偏差。为此，他们提出了一种新颖的随机获取策略——贝叶斯主动学习器偏好建模（BAL-PM），它不仅能根据偏好模型锁定认识不确定性高的点，还能在所采用的 LLM 所跨的特征空间中寻求获取的提示分布熵的最大化。一个突出的结果是，使用一对 1.5 亿参数的辅助模型选择 CoLoR-Filter 数据，可以训练一个 1.2b 参数的目标模型，使其与在 25b 随机选择的 token 上训练的 1.2b 参数模型相匹配，而 Books 的数据要少 25 倍，下游任务的数据要少 11 倍。]]></description><category></category></item><item><title><![CDATA[论文解读：Autoregressive Image Generation without Vector Quantization]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139857375</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139857375</guid><author>ZONGDAOFU</author><pubDate>Fri, 21 Jun 2024 11:57:48 +0800</pubDate><description><![CDATA[3. 通用化的自回归框架：论文进一步将标准自回归模型和掩码生成模型统一到一个广义自回归框架下，展示了一种名为掩码自回归（Masked Autoregressive, MAR）的模型，它能够在随机顺序的同时预测多个输出token，保持了“基于已知预测下一个token”的自回归本质，且能无缝集成扩散损失。综上所述，这篇论文在图像生成领域提出了一个重要的创新，即通过在连续值域内直接建模自回归模型的token概率分布，有效绕过了向量量化的限制，为生成高质量图像提供了一个新的视角和方法论。]]></description><category></category></item><item><title><![CDATA[大模型日报｜6 篇必读的大模型论文 2020-6-20]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139857244</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139857244</guid><author>ZONGDAOFU</author><pubDate>Fri, 21 Jun 2024 11:52:46 +0800</pubDate><description><![CDATA[通过基于树搜索的强化学习，ReST-MCTS* 规避了通常用于训练过程奖励的每一步人工标注：在给定特定任务正确答案的情况下，ReST-MCTS* 能够通过估计该步骤帮助得出正确答案的概率，推断出正确的过程奖励。然而，这些进步还不能满足现实世界应用的需求，比如用于长期决策的智能体、深入的电影评论和讨论以及现场体育评论，所有这些应用都需要理解长达数小时的长视频。由于相机的移动也可以看作是一种由视角变化引起的像素重新排列，因此，如果视频中的噪声潜像发生相应的变化，就可以根据特定的相机移动对视频进行重组。]]></description><category></category></item><item><title><![CDATA[图像分割方法一：阈值分割]]></title><link>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139855118</link><guid>https://blog.youkuaiyun.com/ZONGDAOFU/article/details/139855118</guid><author>ZONGDAOFU</author><pubDate>Fri, 21 Jun 2024 11:11:26 +0800</pubDate><description><![CDATA[阈值分割是一种在数字图像处理中广泛使用的图像分割方法，尤其适用于那些目标与背景之间对比度明显的图像。具体来说，就是选取一个或多个阈值，然后将图像中的像素根据其灰度值与阈值的关系分为两类或多类，一类被视为前景（比如感兴趣的对象），另一类被视为背景。2. 自适应阈值法：考虑到图像中不同区域可能有不同的光照条件，自适应阈值法会根据局部区域的特性动态调整阈值。3. 多阈值分割：对于含有多个灰度级目标的图像，可能需要设定多个阈值来区分不同的目标或灰度层次。5. 分割图像：根据选定的阈值，将图像分割成前景和背景。]]></description><category></category></item></channel></rss>