w1hsxn的博客

语言、视觉和多模态预训练的大融合正在出现。在这项工作中，作者引入了一个通用的多模态基础模型 BEIT-3，它在视觉和视觉语言任务上都实现了最先进的迁移性能。

大规模的单流预训练在图文检索中表现出显着的性能。

当前 AI 的一个困境是处理“部分与整体”之间的关系。

从文本到图像的“个性化”扩散模型。

东北大学等最新《进化深度学习:原理、算法、应用》综述，34页pdf阐述EDL概念以及技术体系。

在 AI 长期发展中，目前的文本生成图像模型有了显著提升，今年谷歌、OpenAI 等都接连推出了自己的图像生成模型，如 Imagen、Dall·E 2 等。这些模型能够依照给定的文本提示实现高质量和多样化的图像输出。

YOLOX升级，1ms内精度无敌！！！

本文提出了一种基于提示的文本生成迁移学习方法。

我们在本篇文章提出了 GiraffeDet 这一新的目标检测框架。

自然语言理解（NLP）素有人工智能皇冠上的明珠的盛誉，在大规模语言模型的加持下，人类也终于有了让计算机理解语言的能力。

语言、视觉和多模态预训练的大融合正在出现。在这项工作中，作者引入了一个通用的多模态基础模型 BEIT-3，它在视觉和视觉语言任务上都实现了最先进的迁移性能。

数据的设计、完善、评估三大步骤是关键

本文提出了一种 360° 全景定制的 Transformer 框架。

蒙面图像建模 (MIM) 通过恢复损坏的图像patch，在自监督表示学习中展示了令人印象深刻的结果。然而，大多数方法仍然对低级图像像素进行操作，这阻碍了对表示模型的高级语义的利用。

NLP 寒冬 30 年内到来。

以前的工作已经提出了几种降低自注意力机制计算成本的策略。

神经网络架构设计两大要点。

在本文中，作者提出了 CCLM，将图像和多种语言视为同一对象的不同 view，统一地将它们作为模型的输入进行多语言多模态预训练。

本文提出了一个用于半监督学习的可扩展高性能 GNN 框架。

从想法到产品：研究、政策和经济如何影响创新的涌现

从想法到产品：研究、政策和经济如何影响创新的涌现

An algorithm developed by researchers from Helmholtz Munich, the Technical University of Munich (TUM) and its University Hospital rechts der Isar, the University Hospital Bonn (UKB)

EPFL researchers have discovered that Vanadium Dioxide (VO2), a compound used in electronics, is capable of "remembering" the entire history of previous external stimuli.

The day is coming -- some say has already arrived -- when new inventions that benefit society are dreamt up by artificial intelligence all on its own.

Researchers have developed the first in-sensor processor that could be integrated into commercial silicon imaging sensor chips -- known as complementary metal-oxide-semiconductor (CMOS) image sensors

肌电意图识别在过去几十年的关注点主要集中在实现高精度手部运动解码方面，大部分研究都是基于相同力度等级执行。

数据的设计、完善、评估三大步骤是关键。