搜索
本文介绍清华大学的一篇关于长尾视觉识别的论文: Probabilistic Contrastive Learning for Long-Tailed Visual Recognition. 该工作已被 TPAMI 2024 录用，代码已开源。
语言将是获得更智能系统的重要组成部分。
与 DeiT 等使用 ViT 和 Vision-Mamba (Vim) 方法的模型相比，ViL 的性能更胜一筹。
相同性能情况下，延迟减少 46%，参数减少 25%。
目标检测领域，迎来了新进展—— Grounding DINO 1.5，IDEA研究院团队出品，在端侧就可实现实时识别。
近年来，「scaling」是计算机视觉研究的主角之一。随着模型尺寸和训练数据规模的增大、学习算法的进步以及正则化和数据增强等技术的广泛应用，通过大规模训练得到的视觉基础网络（如 ImageNet1K/22K 上训得的 Vision Transformer、MAE、DINOv2 等）已在视觉识别、目标检测、语义分割等诸多重要视觉任务上取得了令人惊艳的性能。
瑞士信息与通信科技公司Assaia International（以下简称Assaia）成立于2018年，该公司开发了一款AI视觉识别软件，能通过人工智能和计算机视觉实时识别并管理机场空侧运营状态，帮助机场、航空公司和地勤人员提升空侧运营管理效率，将航班准点率提高17%，将飞机周转时间缩短11%。
就离谱，都2024了，人工智能靠人工的戏码还在上演。 而且是类似ATM机背后坐真·柜员给你递钱的那种！
AInno-75B正式亮相，AI在视觉识别和工业设计领域的应用范围进一步拓宽。Chat GPT、Sora、Suno等AI技术的接连问世，让人类社会经历了一场认知的革命。世人开始意识到，AI不仅是单一的工具本身，更是推动人类文明进步的新引擎。在这个数据驱动、智能互联的时代，我们不禁发问：当AI的触角延伸到工业的每一个角落，它将如何重塑工业的未来？
随着科技的发展，许多盲人正在借助AI提供的感知、理解与交互功能，以另一种方式重新感知世界。日前，我校软件与物联网工程学院创客荟团队研发了一款模拟触感交互控制的助盲系统，该系统通过AI技术，为盲人朋友学习带来了福音。