Публикации по теме 'deep-learning'


Новое исследование социальных сетей, часть 7 (искусственный интеллект)
Социально-экономическая сегрегация в социальной сети популяционного масштаба (arXiv) Автор : Юлия Казьмина , Эльке М. Хемскерк , Эстер Боканьи , Фрэнк В. Тейкс . Аннотация: Мы предлагаем подход к изучению социально-экономической сегрегации с учетом социальных сетей. Ключевой вопрос, который мы рассматриваем, заключается в том, являются ли модели сегрегации более выраженными в социальных сетях, чем обычные пространственные проявления сегрегации, ориентированные на соседство...
Эффективны ли диаграммы знаний ?Часть 4 (искусственный интеллект)
RPLKG: надежное оперативное обучение с помощью графика знаний (arXiv) Автор: Ювон Ким , Ёнтэк Лим , Докён Юн , Кёнву Сон . Аннотация: Известно, что крупномасштабные предварительно обученные модели можно передавать и они хорошо обобщают невидимый набор данных. В последнее время мультимодальные предварительно обученные модели, такие как CLIP, демонстрируют значительное улучшение производительности в различных экспериментах. Однако, когда помеченный набор данных ограничен, обобщение..
Новое исследование метаобучения, часть 4 (машинное обучение)
Масштабируемое байесовское метаобучение с помощью обобщенных неявных градиентов (arXiv) Автор: Илан Чжан , Бингконг Ли , Шицзянь Гао , Георгиос Б. Яннакис . Аннотация: Мета-обучение обладает уникальной эффективностью и скоростью решения возникающих задач с ограниченными данными. Его широкая применимость раскрывается при рассмотрении его как задачи двухуровневой оптимизации. Однако результирующая алгоритмическая точка зрения сталкивается с проблемами масштабируемости, когда..
Новое исследование по преобразованию текста в видео, часть 5 (машинное обучение)
Tune-A-Video: однократная настройка моделей распространения изображений для преобразования текста в видео (arXiv) Автор: Джей Чжанцзе Ву , Исяо Гэ , Синьтао Ван , Вэйсянь Лэй , Ючао Гу , Юфэй Ши , Винн Хсу , Ин Шань , Сяоху Ци , Майк Чжэн Шоу Аннотация: Чтобы воспроизвести успех генерации преобразования текста в изображение (T2I), в недавних работах используются крупномасштабные наборы видеоданных для обучения генератора преобразования текста в видео (T2V). Несмотря на..
Значение дифференциальной энтропии в машинном обучении, часть 5
Первый закон дифференциальной энтропии и голографической сложности (arXiv) Автор: Дебаджйоти Саркар , Манус Виссер . Аннотация: Мы строим КТП, двойственную первому закону сферических причинных ромбов в трехмерном АдС-пространстве-времени. Сферически-симметричный каузальный ромб в AdS3 представляет собой область зависимости пространственного круглого диска с исчезающей внешней кривизной. Объемный первый закон связывает изменения площади границы диска, пространственного объема диска,..
Большие события вот-вот произойдут: Google выпускает набор данных Objectron
Что-то изменится в 3D Computer Vision Research Подобно тому, как программа ImageNet Large Scale Visual Recognition Challenge ( ILSVRC ) изменила подход к обнаружению объектов и классификации изображений, набор данных Objectron зажжет то же пламя для усовершенствования 3D-компьютера. Системы технического зрения . Несмотря на то, что было проделано много работы в отношении 3D Computer Vision, в основном она была сосредоточена на создании систем для автономных транспортных средств ...
Состояние технологии Point Cloud в 2022 г., часть 2
Сегментация объектов загроможденных бортовых облаков точек LiDAR (arXiv) Автор: Мариона Карос , Ариадна Джаст , Санти Сеги , Хорди Витрия Аннотация: бортовой топографический лидар — это активная технология дистанционного зондирования, которая излучает свет ближнего инфракрасного диапазона для картирования объектов на поверхности Земли. Производные продукты LiDAR подходят для обслуживания широкого спектра приложений благодаря их богатой трехмерной пространственной информации..