六个最有可能改变AI进程的发布!

2024-02-05 15:36

本文主要是介绍六个最有可能改变AI进程的发布!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本研究引入了Multi-Head高斯自适应注意力机制(GAAM)和高斯自适应变换器(GAT)来提高模型性能和上下文表示,特别是对于高度可变的数据。GAAM 将可学习的均值和方差纳入其注意力机制中,并在多头框架内构建。此设置允许 GAAM 共同表示任何概率分布,从而能够根据需要不断调整功能的重要性。

过去两周,新的人工智能更新不断涌现,异常疯狂。我们决定整理最近发布的六大框架和模型。

1、ActAnywhere:主题感知视频背景生成

图片

图片

Adobe Research和斯坦福大学推出了Act Anywhere,这是一种生成模型,解决了电影行业和视觉效果领域中将视频背景与前景主体运动对齐的挑战。该模型通过利用大规模视频传播模型来自动化典型的劳动密集型流程。 

它采用一系列前景主题分割和描述所需场景的条件帧作为输入,生成具有连贯前景-背景交互的逼真视频。 

在大规模人类场景交互视频数据集上进行训练后,数据表明Act Anywhere与基线相比表现良好,并证明了其处理各种非分布样本(包括非人类受试用者)的能力。

2、GALA

图片

图片

Meta一直试图在 Facebook、Instagram 和 WhatsApp 等不同平台上改进其头像。因此,Meta 的 Codec Avatars Lab 与首尔国立大学合作推出了GALA框架,该框架可将单层穿着的 3D 人体网格转换为全分层的 3D 资源,从而可以创建各种姿势的多样化服装人体头像。 

与将穿着衣服的人类视为单层几何体的现有方法不同,GALA 基于人类的发型、服装和配饰的组合性,增强了下游应用。由于遮挡,将网格分解为单独的层具有挑战性,即使分解成功,姿势和身体形状通常也与现实生活不一样。

为了克服这个问题,研究人员使用预先训练的二维扩散模型作为几何和外观的先验模型。该过程包括使用来自多视图 2D 分割的 3D 表面分割对输入网格进行分割,使用新的姿势引导得分蒸馏采样 (SDS) 损失合成姿势空间和规范空间中缺失的几何形状,并将相同的 SDS 损失应用于纹理完整的外观。这会在共享规范空间中产生多层 3D 资产,并针对姿势和人体形状进行标准化,从而有助于轻松组合新颖的身份和姿势。

3、Lumiere

图片

图片

为了解决在合成视频中创建逼真、多样化和连贯的运动的挑战,谷歌提出了Lumiere,一种文本转视频模型,由魏茨曼研究所、特拉维夫大学和以色列理工学院合作开发。训练涉及时空 U-Net 架构,它一次性生成整个视频持续时间,这与使用远程关键帧和时间超分辨率的现有模型不同。 

通过结合空间和时间处理并利用预先训练的文本到图像模型,该系统直接生成全帧率、低分辨率视频。它擅长文本到视频的任务,例如图像到视频和风格化生成。该模型展示了最先进的文本到视频结果,并且适用于图像到视频、视频修复和风格化生成等任务。 

然而,它目前无法处理具有多个镜头或场景转换的视频,这些领域还需要进一步研究。尽管存在一些限制,该项目的重点是使用户能够创造性地、灵活地生成视觉内容。

4、元提示(Meta-Prompting)

图片

在另一篇有趣的研究论文中,OpenAI和斯坦福大学联手提出了元提示,这是一种有效的脚手架技术,可以以与任务无关的方式增强语言模型 (LM) 的性能。这是通过将它们转变为可以管理多个独立查询的多功能导体来完成的。元提示与任务无关,无需详细说明即可简化用户交互。

GPT-4 的实验显示了元提示相对于传统方法的优越性,在 Game of 24、Checkmate-in-One、Python编程难题等任务中,元提示比标准提示提高了 17.1%,比动态提示提高了 17.3%,比多人提示(MP)提高了 15.2% 。

使用清晰的指令,元提示引导 LM 将复杂的任务分解为更小的子任务,然后由同一 LM 的专门实例处理,每个子任务都遵循定制的指令。LM 充当导体,确保顺畅的通信和输出的有效集成。它还利用批判性思维和验证流程来完善结果。这种协作提示允许单个 LM 充当协调者和专家小组,从而提高各种任务的性能。

5、自我奖励语言模型

图片

图片

Meta 和 NYU 最近的一篇研究论文中引入了自我奖励语言模型,该模型不依赖于源自人类偏好的奖励模型,这种模型可能会受到人类表现的限制,并且在训练过程中无法改进。这些模型可以通过评估和训练其输出来调整自身,并使用语言模型本身通过法学硕士作为法官的提示来产生奖励。

该方法涉及迭代训练,其中模型使用法学硕士作为法官的提示将奖励分配给自己的输出,从而生成基于偏好的指令数据。结果表明,这种训练提高了模型遵循指令的能力,并改进了其跨迭代的奖励建模。 

6、高斯自适应注意力(GAAM)is all your need!

图片

图片

本研究引入了Multi-Head高斯自适应注意力机制(GAAM)和高斯自适应变换器(GAT)来提高模型性能和上下文表示,特别是对于高度可变的数据。GAAM 将可学习的均值和方差纳入其注意力机制中,并在多头框架内构建。此设置允许 GAAM 共同表示任何概率分布,从而能够根据需要不断调整功能的重要性。

该研究还引入了重要性因子(IF)以增强模型的可解释性。GAAM(一种新的概率注意力框架)和 GAT 的提出是为了促进跨语音、文本和视觉模式的信息编译。它通过识别特征空间中的关键元素,在模型性能方面超越了最先进的注意力技术。 

该论文由詹姆斯·西尔伯拉德·布朗人工智能中心、卡内基梅隆大学、斯坦福大学和亚马逊发表。 

技术前沿拓展

前端开发,你的认知不能仅局限于技术内,需要发散思维了解技术圈的前沿知识。细心的人会发现,开发内部工具的过程中,大量的页面、场景、组件等在不断重复,这种重复造轮子的工作,浪费工程师的大量时间。

介绍一款程序员都应该知道的软件JNPF快速开发平台,很多人都尝试用过它,它是功能的集大成者,任何信息化系统都可以基于它开发出来。

这是一个基于 Java Boot/.Net Core 构建的简单、跨平台快速开发框架。前后端封装了上千个常用类,方便扩展;集成了代码生成器,支持前后端业务代码生成,实现快速开发,提升工作效率;框架集成了表单、报表、图表、大屏等各种常用的 Demo 方便直接使用;后端框架支持 Vue2、Vue3。如果你有闲暇时间,可以做个知识拓展。

这篇关于六个最有可能改变AI进程的发布!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/681367

相关文章

三频BE12000国补到手2549元! ROG 魔盒Pro WIFI7电竞AI路由器上架

《三频BE12000国补到手2549元!ROG魔盒ProWIFI7电竞AI路由器上架》近日,华硕带来了ROG魔盒ProWIFI7电竞AI路由器(ROGSTRIXGR7Pro),目前新... 华硕推出了ROG 魔盒Pro WIFI7电竞AI路由器(ROG STRIX GR7 Phttp://www.cppcn

Linux进程CPU绑定优化与实践过程

《Linux进程CPU绑定优化与实践过程》Linux支持进程绑定至特定CPU核心,通过sched_setaffinity系统调用和taskset工具实现,优化缓存效率与上下文切换,提升多核计算性能,适... 目录1. 多核处理器及并行计算概念1.1 多核处理器架构概述1.2 并行计算的含义及重要性1.3 并

Linux下进程的CPU配置与线程绑定过程

《Linux下进程的CPU配置与线程绑定过程》本文介绍Linux系统中基于进程和线程的CPU配置方法,通过taskset命令和pthread库调整亲和力,将进程/线程绑定到特定CPU核心以优化资源分配... 目录1 基于进程的CPU配置1.1 对CPU亲和力的配置1.2 绑定进程到指定CPU核上运行2 基于

Javaee多线程之进程和线程之间的区别和联系(最新整理)

《Javaee多线程之进程和线程之间的区别和联系(最新整理)》进程是资源分配单位,线程是调度执行单位,共享资源更高效,创建线程五种方式:继承Thread、Runnable接口、匿名类、lambda,r... 目录进程和线程进程线程进程和线程的区别创建线程的五种写法继承Thread,重写run实现Runnab

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

Java进程异常故障定位及排查过程

《Java进程异常故障定位及排查过程》:本文主要介绍Java进程异常故障定位及排查过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、故障发现与初步判断1. 监控系统告警2. 日志初步分析二、核心排查工具与步骤1. 进程状态检查2. CPU 飙升问题3. 内存

Windows的CMD窗口如何查看并杀死nginx进程

《Windows的CMD窗口如何查看并杀死nginx进程》:本文主要介绍Windows的CMD窗口如何查看并杀死nginx进程问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录Windows的CMD窗口查看并杀死nginx进程开启nginx查看nginx进程停止nginx服务

六个案例搞懂mysql间隙锁

《六个案例搞懂mysql间隙锁》MySQL中的间隙是指索引中两个索引键之间的空间,间隙锁用于防止范围查询期间的幻读,本文主要介绍了六个案例搞懂mysql间隙锁,具有一定的参考价值,感兴趣的可以了解一下... 目录概念解释间隙锁详解间隙锁触发条件间隙锁加锁规则案例演示案例一:唯一索引等值锁定存在的数据案例二:

Java进程CPU使用率过高排查步骤详细讲解

《Java进程CPU使用率过高排查步骤详细讲解》:本文主要介绍Java进程CPU使用率过高排查的相关资料,针对Java进程CPU使用率高的问题,我们可以遵循以下步骤进行排查和优化,文中通过代码介绍... 目录前言一、初步定位问题1.1 确认进程状态1.2 确定Java进程ID1.3 快速生成线程堆栈二、分析