开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

模型中的引导表

是指在机器学习和数据挖掘领域中，用于指导模型训练和预测的一种数据结构。引导表通常是一个二维表格，其中包含了输入特征和对应的目标变量。它可以帮助模型理解输入特征与目标变量之间的关系，并用于模型的训练和预测过程。

引导表的分类：

监督学习引导表：包含输入特征和对应的目标变量，用于监督学习任务，如分类和回归。
无监督学习引导表：只包含输入特征，没有目标变量，用于无监督学习任务，如聚类和降维。

引导表的优势：

数据整合：引导表可以将输入特征和目标变量整合在一起，方便数据的管理和处理。
特征选择：通过观察引导表中的特征与目标变量之间的关系，可以进行特征选择，提高模型的效果和效率。
模型训练：引导表可以作为模型训练的输入数据，帮助模型学习输入特征与目标变量之间的映射关系。
模型评估：引导表可以用于评估模型的性能，通过对比模型预测结果与引导表中的目标变量，可以计算模型的准确率、精确率等指标。

引导表的应用场景：

金融领域：用于信用评估、风险控制等任务。
医疗领域：用于疾病诊断、药物研发等任务。
零售领域：用于销售预测、用户推荐等任务。
物流领域：用于路径规划、货物配送等任务。

腾讯云相关产品和产品介绍链接地址：

腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
腾讯云数据挖掘平台（https://cloud.tencent.com/product/dm）
腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
腾讯云大数据平台（https://cloud.tencent.com/product/emr）

请注意，以上链接仅为示例，实际使用时应根据具体需求选择适合的产品和服务。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

CVPR2023 | 用于统一的图像恢复和增强的生成扩散先验

在拍摄、存储、传输和渲染过程中，图像质量往往会降低。图像恢复和增强的目标是逆转这种退化并改善图像质量。通常，恢复和增强任务可以分为两大类：1）线性反演问题，例如图像超分辨率（SR）、去模糊、修补、彩色化等，在这些任务中，退化模型通常是线性的且已知；2）非线性或盲问题，例如低光增强和HDR图像恢复，其中退化模型是非线性的且未知。对于特定的线性退化模型，可以通过对神经网络进行端到端的监督训练来解决图像恢复问题。然而，在现实世界中，受损图像往往存在多个复杂的退化情况，全面监督的方法很难泛化应用。近年来，通过生成模型寻找更通用的图像先验并在无监督设置下处理图像恢复问题引起了广泛的兴趣。在推理过程中，可以处理不同退化模型的多个恢复任务而无需重新训练。例如，经过大量干净图像数据集训练的生成对抗网络（GAN）通过GAN反演，在各种线性反演问题上取得了成功，学习到了真实世界场景的丰富知识。与此同时，去噪扩散概率模型（DDPMs）在GAN的基础上展现了令人印象深刻的生成能力、细节水平和多样性。作为早期尝试，现有的工作——去噪扩散恢复模型（DDRM）使用预训练的DDPMs进行变分推断，并在多个恢复任务上取得了令人满意的结果，但其在已知线性退化矩阵上利用奇异值分解（SVD），因此仍然局限于线性反演问题。本文进一步提出了一种高效的方法，名为生成扩散先验（GDP）。它利用经过良好训练的DDPM作为通用图像恢复和增强的有效先验，并以退化图像作为引导。作为一个统一的框架，GDP不仅适用于各种线性反演问题，还首次推广到非线性和盲目图像恢复和增强任务。GDP采用了一种盲退化估计策略，在去噪过程中随机初始化并优化GDP的退化模型参数。此外，为了进一步提高光真实性和图像质量，本文系统地研究了一种有效的指导扩散模型的方法。另外，借助提出的分层指导和基于分块的生成策略，GDP能够恢复任意分辨率的图像，其中首先预测低分辨率图像和退化模型，以引导高分辨率图像的生成过程。

01

无回归器引导的药物反应预测方法

今天为大家介绍的是来自武汉大学胡文斌团队的一篇论文。药物反应预测（DRP）是药物发现中的一个关键阶段，其评估的最重要指标是IC50分数。DRP的结果在很大程度上取决于生成分子的质量。现有的分子生成方法通常采用基于分类器的指导，允许在IC50分类范围内进行采样。然而，这些方法无法确保采样空间范围的有效性，导致生成了大量无效分子。通过实验和理论研究，作者假设基于目标IC50分数的条件生成可以获得更有效的采样空间。因此，作者引入了无回归器指导的分子生成方法，以确保在更有效的空间内进行采样，支持DRP。无回归器指导结合了扩散模型的分数估计与基于数值标签的回归控制模型的梯度。为了有效映射药物和细胞系之间的回归标签，作者设计了一个常识数值知识图谱以限制文本表示顺序。对DRP任务的真实世界数据集的实验结果表明，该方法在药物发现中是有效的。代码可在以下网址获得：https://anonymous.4open.science/r/RMCD-DBD1。

01

AGGCN | 基于图神经网络的关系抽取模型

今天给大家介绍2019年6月发表在ACL上的论文“Attention Guided Graph Convolutional Networks for Relation Extraction”，该工作由新加坡科技设计大学StatNLP研究小组完成。该研究提出了一种以全依赖树作为输入的注意力引导图卷积网络（AGGCN）模型。该模型充分利用了依赖树中的信息，以便更好地提取出相关关系。

05

ICCV2023 SOTA 长短距离循环更新网络--LRRU介绍

本文介绍了一种名为长短距离循环更新（LRRU）网络的轻量级深度网络框架，用于深度补全。深度补全是指从稀疏的距离测量估计密集的深度图的过程。现有的深度学习方法使用参数众多的大型网络进行深度补全，导致计算复杂度高，限制了实际应用的可能性。相比之下，本文提出的LRRU网络首先利用学习到的空间变体核将稀疏输入填充以获得初始深度图，然后通过迭代更新过程灵活地更新深度图。迭代更新过程是内容自适应的，可以从RGB图像和待更新的深度图中学习到核权重。初始深度图提供了粗糙但完整的场景深度信息，有助于减轻直接从稀疏数据回归密集深度的负担。实验证明，LRRU网络在减少计算复杂度的同时实现了最先进的性能，更适用于深度补全任务。

05

arXiv｜字节跳动通过力引导的SE(3)扩散模型生成蛋白质构象

蛋白质的构象景观对于理解它们在复杂生物过程中的功能至关重要。传统的基于物理的计算方法，如分子动力学(MD)模拟，存在罕见事件采样和长平衡时间的问题，阻碍了其在一般蛋白质建模中的应用。近年来，深度生成模型技术，特别是扩散模型，已被用于生成新的蛋白质构象。然而，现有的基于分数的扩散模型方法不能适当地纳入重要的物理先验知识来引导生成过程，导致采样的蛋白质构象与平衡分布之间存在较大偏差。

01

ICCV 2021 | 用于多域联合训练的变分关注模型

本文是对发表于计算机视觉顶级会议ICCV2021的论文“Variational Attention: Propagating Domain-Specific Knowledge for Multi-Domain Learning in Crowd Counting”的解读

01

ICML 2024 | 通过力引导的SE(3)扩散模型生成蛋白质构象

今天为大家介绍的是来自字节跳动Quanquan Gu团队的一篇论文。蛋白质的构象景观对于理解其在复杂生物过程中的功能至关重要。传统的基于物理的计算方法，如分子动力学（MD）模拟，存在罕见事件采样和长时间平衡问题，限制了它们在一般蛋白质系统中的应用。最近，深度生成建模技术，特别是扩散模型，已被用于生成新颖的蛋白质构象。然而，现有的基于评分的扩散方法无法正确结合重要的物理先验知识来指导生成过程，导致采样的蛋白质构象与平衡分布存在较大偏差。为了解决这些问题，本文提出了一种用于蛋白质构象生成的力引导SE(3)扩散模型——CONFDIFF。通过将力引导网络与基于数据的评分模型混合，CONFDIFF可以生成具有丰富多样性且保持高保真的蛋白质构象。在包括12种快速折叠蛋白质和牛胰岛素抑制剂（BPTI）在内的多种蛋白质构象预测任务上的实验表明，作者的方法优于当前最先进的方法。

01

强化学习在黄页商家智能聊天助手中的探索实践

本地服务（黄页）微聊代运营模式是指人工客服代替58平台上的商家与C端用户IM沟通聊天以获取商机（如用户联系方式、细粒度需求信息等），再将商机转交给商家，促进商家成单。我们基于58AI Lab自研的灵犀智能语音语义平台构建了智能客服商家版，将其应用在微聊代运营场景下，通过人机协作模式提高商机获取效率，打造了黄页商家智能聊天助手。这里的人机协作模式先后经历了三个阶段：在早期机器人效果较一般时，机器人和人工客服分时工作，即人工客服不上班时才由机器人接待用户咨询。在经过优化机器人效果较优时，先机器人再人工，即当用户来咨询商家时，白天先由机器人接待，若机器人能够聊出商机则结束会话，若不能再转接人工客服，晚上使用纯机器人接待。在机器人效果和人工很接近甚至超过人工时，使用纯机器人接待，人工客服去从事其他更复杂的工作。2021年年初，黄页商家智能聊天助手被商业化，以“微聊管家”命名随会员套餐一起打包售卖给商家，全年共计服务了数万个商家，为公司创造收入超过五千万元。当前，机器人的商机转化率（聊出商机的会话数/总会话数）已达到了人工客服的98%水平，我们实现了纯机器人接待，节省了数十名客服人力。

02

填补AlphaFold3空白，字节跳动提出物理引导的方法让蛋白质动起来

世界是变化的，分子是运动的，从预测静态单一结构走向动态构象分布是揭示蛋白质等生物分子功能的重要一步。探索蛋白质的构象分布，能帮助理解蛋白质与其他分子相互作用的生物过程；识别蛋白质表面下的潜在药物位点，描绘各个亚稳态之间的过渡路径，有助于研究人员设计出具有更强特异性和效力的目标抑制剂和治疗药物。但传统的分子动力学模拟方法昂贵且耗时，难以跨越长的时间尺度，从而观察到重要的生物过程。

01

填补AlphaFold3空白，字节跳动提出物理引导的方法让蛋白质动起来

世界是变化的，分子是运动的，从预测静态单一结构走向动态构象分布是揭示蛋白质等生物分子功能的重要一步。探索蛋白质的构象分布，能帮助理解蛋白质与其他分子相互作用的生物过程；识别蛋白质表面下的潜在药物位点，描绘各个亚稳态之间的过渡路径，有助于研究人员设计出具有更强特异性和效力的目标抑制剂和治疗药物。但传统的分子动力学模拟方法昂贵且耗时，难以跨越长的时间尺度，从而观察到重要的生物过程。

01

Brief Bioinform｜KGDiff：知识引导的扩散模型实现可解释的靶点感知分子生成

2023年12月1日，上海交通大学徐雷教授、涂仕奎老师团队在Briefings in Bioinformatics上发表文章KGDiff: towards explainable target-aware molecule generation with knowledge guidance。

01

罕见！苹果开源图片编辑神器MGIE，要上iPhone?

最近一段时间，AI 在图片编辑这一应用上取得了不小的进展。一方面，在 LLM 的基础上，多模态大模型（MLLM）可以自然地将图像视为输入，并提供视觉感知响应。另一方面，基于指令的编辑技术可以不依赖于详细描述或区域掩码，而是允许人类下达指令，直接表达如何编辑以及编辑图像的哪个方面。这种方法极具实用性，因为这种引导更符合人类的直觉。

01

基于化学元素知识图的分子对比学习

本文介绍一篇来自浙江大学计算机科学系、杭州创新中心、杭州西湖生命科学与生物医学实验室等联合发表的文章。该文章构建了一个化学元素知识图（KG）来总结元素之间的微观联系，并提出了一个用于分子表征学习的知识增强对比学习（KCL）框架。KCL由三个模块组成。第一个模块是知识引导图增强，对原有的基于化学元素KG的分子图进行扩充。第二个模块是知识感知图表示，对原始分子图使用通用图编码器来提取分子的表示，并使用知识感知消息传递神经网络（Knowledge-aware Message Passing Neural Network, KMPNN）对增强分子图中的复杂信息进行编码。最后一个模块是一个对比目标，以最大化分子图的这两种视图之间的一致性。

05

CVPR2023 | 通过示例绘制:基于示例的图像编辑与扩散模型

由于社交媒体平台的进步，照片的创意编辑成为了普遍需求。基于人工智能的技术极大地降低了炫酷图像编辑的门槛，不再需要专业软件和耗时的手动操作。深度神经网络通过学习丰富的配对数据，可以产生令人印象深刻的结果，如图像修复、构图、上色和美化。然而，语义图像编辑仍然具有挑战性，它旨在操纵图像内容的高级语义并保持图像的真实性。目前，大规模语言图像模型能够以文本提示为指导实现图像操作，但是详细的文本描述常常不够准确，很难描述细粒度的物体外观。因此，需要开发一种更直观的方法来方便新手和非母语使用者进行精细的图像编辑。

03

iPhone动嘴10秒P图！UCSB苹果全华人团队发布多模态MGIE，官宣开源人人可玩

ChatGPT掀起全球热潮之后，苹果也在悄悄发力AI，曾曝出的大模型框架Ajax、AppleGPT等AI工具让业界充满了期待。

01

ACL 2021 | 知识引导的事件因果关系数据自动生成框架

AI科技评论今天介绍一篇发表于自然语言处理领域顶级会议ACL 2021的论文《LearnDA: Learnable Knowledge-Guided Data Augmentation for Event Causality Identification》。

06

用于实现真实世界时间一致性视频超分的运动引导潜在扩散模型

视频超分辨率 (VSR) 旨在从给定的低分辨率 (LR) 视频序列重建高分辨率 (HR) 视频。得益于深度学习技术的快速发展，VSR 在过去十年中取得了长足的进步，出现了包括 EDVR 等基于滑动窗口的方法、BasicVSR 等基于递归的方法以及最新的基于 Transformer 的方法。然而，上述大多数方法都假设在 LR 和 HR 视频之间进行简单的退化。因此，这种 VSR 模型很难推广到真实世界的 LR 视频中，因为真实世界的退化要复杂得多。

01

FLATTEN: 针对文本到视频一致性编辑的光流引导注意力机制

最近，文本到视频（T2V）编辑引起了广泛关注。与文本到图像（T2I）编辑相比，文本到视频编辑面临的一个关键挑战是视觉一致性。这意味着，编辑后视频中的内容在所有帧中应该具有平滑且不变的视觉外观，并且编辑后的视频应尽可能保留源视频的运动。

01

思维的扩散，扩散语言模型中的链式思考推理

今天为大家介绍的是来自Lingpeng Kong团队的一篇论文。扩散模型在文本处理中获得了广泛关注，与传统的自回归模型相比，它们提供了许多潜在优势。作者在这项工作中探索了扩散模型与链式思考（Chain-of-Thought, CoT）的集成，CoT是一种在自回归语言模型中提高推理能力的成熟技术。

01

ICCV 2023 | Pix2Video: 基于扩散模型的视频编辑

在大量图像集合上训练的图像扩散模型，在质量和多样性方面已经成为最通用的图像生成器模型。它们支持反演真实图像和条件(例如,文本)生成，使其在高质量图像编辑应用中非常受欢迎。本文研究如何使用这些预训练的图像模型进行文本引导的视频编辑。关键的挑战是在实现目标编辑的同时仍然保留源视频的内容。本文的方法通过两个简单的步骤来工作：首先，使用预训练的结构引导的(例如,深度)图像扩散模型在锚框上进行文本引导的编辑；然后，在关键步骤中，通过自注意力特征注入将变化逐步传播到未来帧，以适应扩散模型的核心去噪步骤。然后，通过调整框架的潜在编码来巩固这些变化，然后再继续这个过程。

03

DiffBIR：用生成式扩散先验实现盲图像恢复

图像恢复的目的是从低质量的观测中重建出高质量的图像。典型的图像恢复问题，如图像去噪、去模糊和超分辨率，通常是在受限的环境下定义的，其中退化过程是简单和已知的(例如，高斯噪声和双三次降采样)。为了处理现实世界中退化的图像，盲图像恢复(BIR)成为一个很有前途的方向。BIR的最终目标是在具有一般退化的一般图像上实现真实的图像重建。BIR不仅扩展了经典图像恢复任务的边界，而且具有广泛的实际应用领域。BIR的研究还处于初级阶段。根据问题设置的不同，现有的BIR方法大致可以分为三个研究方向，即盲图像超分辨率(BSR)、零次图像恢复(ZIR)和盲人脸恢复(BFR)。它们都取得了显著的进步，但也有明显的局限性。BSR最初是为了解决现实世界的超分辨率问题而提出的，其中低分辨率图像包含未知的退化。根据最近的BSR调查，最流行的解决方案可能是BSRGAN和Real-ESRGAN。它们将BSR表述为一个有监督的大规模退化过拟合问题。为了模拟真实的退化，分别提出了退化洗牌策略和高阶退化建模，并用对抗性损失来以端到端方式学习重建过程。它们确实消除了一般图像上的大多数退化，但不能生成真实的细节。此外，它们的退化设置仅限于×4或者×8超分辨率，这对于BIR问题来说是不完整的。第二组ZIR是一个新出现的方向。代表有DDRM、DDNM、GDP。它们将强大的扩散模型作为附加先验，因此比基于GAN的方法具有更大的生成能力。通过适当的退化假设，它们可以在经典图像恢复任务中实现令人印象深刻的零次恢复。但是，ZIR的问题设置与BIR不一致。他们的方法只能处理明确定义的退化(线性或非线性)，但不能很好地推广到未知的退化。第三类是BFR，主要研究人脸修复。最先进的方法可以参考CodeFormer和VQFR。它们具有与BSR方法相似的求解方法，但在退化模型和生成网络上有所不同。由于图像空间较小，这些方法可以利用VQGAN和Transformer在真实世界的人脸图像上取得令人惊讶的好结果。然而，BFR只是BIR的一个子域。它通常假设输入大小固定，图像空间有限，不能应用于一般图像。由以上分析可知，现有的BIR方法无法在一般图像上实现一般退化的同时实现真实图像的重建。因此需要一种新的BIR方法来克服这些限制。本文提出了DiffBIR，将以往工作的优点整合到一个统一的框架中。具体来说，DiffBIR(1)采用了一种扩展的退化模型，可以推广到现实世界的退化;(2)利用训练良好的Stable Diffusion作为先验来提高生成能力;(3)引入了一个两阶段的求解方法来保证真实性和保真度。本文也做了专门的设计来实现这些策略。首先，为了提高泛化能力，本文将BSR的多种退化类型和BFR的广泛退化范围结合起来，建立了一个更实用的退化模型。这有助于DiffBIR处理各种极端退化情况。其次，为了利用Stable Diffusion，本文引入了一个注入调制子网络-LAControlnet，可以针对特定任务进行优化。与ZIR类似，预训练的Stable Diffusion在微调期间是固定的，以保持其生成能力。第三，为了实现忠实和逼真的图像重建，本文首先应用恢复模块(即SwinIR)来减少大多数退化，然后微调生成模块(即LAControlnet)来生成新的纹理。如果没有这个部分，模型可能会产生过度平滑的结果(删除生成模块)或生成错误的细节(删除恢复模块)。此外，为了满足用户多样化的需求，本文进一步提出了一个可控模块，可以实现第一阶段的恢复结果和第二阶段的生成结果之间的连续过渡效果。这是通过在去噪过程中引入潜在图像引导而无需重新训练来实现的。适用于潜在图像距离的梯度尺度可以调整以权衡真实感和保真度。在使用了上述方法后，DiffBIR在合成和现实数据集上的BSR和BFR任务中都表现出优异的性能。值得注意的是，DiffBIR在一般图像恢复方面实现了很大的性能飞跃，优于现有的BSR和BFR方法(如BSRGAN、Real-ESRGAN、CodeFormer等)。可以观察到这些方法在某些方面的差异。对于复杂的纹理，BSR方法往往会产生不真实的细节，而DiffBIR方法可以产生视觉上令人愉悦的结果。对于语义区域，BSR方法倾向于实现过度平滑的效果，而DiffBIR可以重建语义细节。对于微小的条纹，BSR方法倾向于删除这些细节，而DiffBIR方法仍然可以增强它们的结构。此外，DiffBIR能够处理极端的退化并重新生成逼真而生动的语义内容。这些都表明DiffBIR成功地打破了现有BSR方法的瓶颈。对于盲人脸恢复，DiffBIR在处理一些困难的情况下表现出优势，例如在被其他物体遮挡的面部区域保持良好的保真度，在面部区域之外成功恢复。综上所述，DiffBIR首次能够在统一的框架内获得具有竞争力的BSR和BFR任务性能。广泛而深入的实验证明了DiffBIR优于现有的最先进的BSR和BFR方法。

01

IJCAI 2021｜美团提出车道线检测新框架SGNet，精准且快速

本文是来自美团视觉智能中心在车道线检测领域的最新研究成果，目前已被 IJCAI 2021 接收。美团视觉技术团队对当前车道线检测存在的难点进行了重新思考，归纳为三个难点：缺乏对车道线统一且有效的表示方式、缺少对道路场景与车道线间结构关系的有效利用、难以扩展至车道线的其他属性。基于此，研究者提出了一种结构信息引导的车道线检测框架 SGNet，该方法在公开车道线检测数据集上性能明显优于现有方法，同时预测速度可以达到 117FPS。

04

IBM 入局：开源自对齐方法训练「单峰骆驼」，比GPT4更值得信赖

机器之心报道编辑：Panda 用最少的人类监督，从零实现原则驱动的大语言模型的自对齐，IBM 研究院淦创团队在这方面取得了新的成果。他们的结果表明，仅仅通过不到300行的人工标注，他们的方法（即SELF-ALIGN）便能让一个65B的LLaMA基础语言模型在TruthfulQA上超越GPT-4。大语言模型（LLM）除了性能强大之外，可靠且符合道德伦理也至关重要。为了确保大语言模型实现这些目标，需要它们的输出与人类的意图保持一致。我们通常把这个任务称为对齐（alignment）。为了满足这一需求，Cha

02

(含源码)「自然语言处理(NLP)」华南理工 && 腾讯AI Lab（基于知识库的感知对话生成）

文章提出了一种新的知识感知对话生成模型TransDG，该模型将知识库问答任务中的问题表示和知识匹配能力转化为会话生成中的话语理解和客观知识选择。此外，本文还提出了一个响应引导注意机制和一个多步骤解码策略，以引导我们的模型关注反应生成的相关特征。在两个基准数据集上的实验表明，该模型在生成信息丰富、流畅的对话方面具有明显的优势。

01

逆合成规划结合经验引导的蒙特卡洛树搜索

今天为大家介绍的是来自Hankz Hankui Zhuo的一篇关于反向合成规划的论文。在反向合成规划中，使用简单的基元合成复杂分子存在大量可能的路径。即使是经验丰富的化学家在选择最有前景的转化路线时也经常遇到困难。目前的方法依赖于人工定义的或经过机器训练的评分函数，这些评分函数在化学知识方面具有限制，或者使用昂贵的估计方法进行引导。在这里，作者提出了一种经验引导的蒙特卡洛树搜索（EG-MCTS）来解决这个问题。作者建立了一个经验引导网络来在搜索过程中从合成经验中学习知识，而不是使用随机搜索。

02

视频生成无需GAN、VAE，谷歌用扩散模型联合训练视频、图像，实现新SOTA

机器之心报道编辑：杜伟、陈萍扩散模型正在不断的「攻城略地」。扩散模型并不是一个崭新的概念，早在2015年就已经被提出。其核心应用领域包括音频建模、语音合成、时间序列预测、降噪等。那么它在视频领域表现如何？先前关于视频生成的工作通常采用诸如GAN、VAE、基于流的模型。在视频生成领域，研究的一个重要里程碑是生成时间相干的高保真视频。来自谷歌的研究者通过提出一个视频生成扩散模型来实现这一里程碑，显示出非常有希望的初步结果。本文所提出的模型是标准图像扩散架构的自然扩展，它可以从图像和视频数据中进行联合训

02

为应对输出风险文本的情况，提出一种针对LLMs简单有效的思维链解毒方法

近年来，随着大语言模型（Large Language Model, LLM）在自然语言处理任务上展现出优秀表现，大模型的安全问题应该得到重视。近期的工作表明[1][2][3]。LLM在生成过成中有概率输出包含毒性的文本，包括冒犯的，充满仇恨的，以及有偏见的内容，这对用户的使用是有风险的。毒性是LLM的一种固有属性，因为在训练过程中，LLM不可避免会学习到一些有毒的内容。诚然，对大模型的解毒（detoxification）是困难的，因为不仅需要语言模型保留原始的生成能力，还需要模型避免生成一些“特定的”内容。同时，传统的解毒方法通常对模型生成的内容进行编辑[4][5]，或对模型增加一定的偏置[6][7]，这些方法往往把解毒任务当成一种特定的下游任务看待，损害了大语言模型最本质的能力——生成能力，导致解毒过后模型生成的结果不尽人意。

04

视频生成无需GAN、VAE，谷歌用扩散模型联合训练视频、图像，实现新SOTA

来源：机器之心本文约2100字，建议阅读9分钟扩散模型正在不断地「攻城略地」。扩散模型并不是一个崭新的概念，早在2015年就已经被提出。其核心应用领域包括音频建模、语音合成、时间序列预测、降噪等。那么它在视频领域表现如何？先前关于视频生成的工作通常采用诸如GAN、VAE、基于流的模型。在视频生成领域，研究的一个重要里程碑是生成时间相干的高保真视频。来自谷歌的研究者通过提出一个视频生成扩散模型来实现这一里程碑，显示出非常有希望的初步结果。本文所提出的模型是标准图像扩散架构的自然扩展，它可以从图像和视频数

01

GAN强势归来？英伟达耗费64个A100训练StyleGAN-T，优于扩散模型

选自arXiv 作者：AXel Sauer 机器之心编译编辑：赵阳扩散模型在文本到图像生成方面是最好的吗？不见得，英伟达等机构推出的新款 StyleGAN-T，结果表明 GAN 仍具有竞争力。文本合成图像任务是指，基于文本内容生成图像内容。当下这项任务取得的巨大进展得益于两项重要的突破：其一，使用大的预训练语言模型作为文本的编码器，让使用通用语言理解实现生成模型成为可能。其二，使用由数亿的图像 - 文本对组成的大规模训练数据，只要你想到的，模型都可以合成。训练数据集的大小和覆盖范围持续飞速扩大。因

03

多视图立体视觉: CVPR 2019 与 AAAI 2020 上的ACMH、ACMM及ACMP算法介绍

---- 新智元报道来源：我爱计算机视觉作者：孔维航【新智元导读】在三维重建任务中，由于数据量大、弱纹理、遮挡、反射等问题，如何高效准确地实现多视图立体视觉仍然是一个具有挑战性的问题。多视图立体视觉(MVS)一直是计算机视觉研究的一个热点。它的目的是从多个已知相机姿态的图像中建立密集的对应关系，从而产生稠密的三维点云重建结果。在过去的几年里，人们在提高稠密三维重建的质量上付出了很大的努力，一些算法如PMVS、GIPUMA以及COLMAP等取得了令人印象深刻的效果。然而，在三维重建任务中，

01

ChatGPT提示：提供清晰、有效的技巧

02

AAAI 2023｜基于多模态标签聚合的视频检索模型TABLE，多项SOTA

机器之心专栏 QQ 浏览器搜索技术中心、腾讯 PCG ARC Lab 近年来，互联网短小视频内容的爆发式增长，对视频 - 文本检索（Video-Text Retrieval）的能力提出了更高的要求。在 QQ 浏览器搜索中，视频通常包含标题、封面图、视频帧、音频等多种模态信息，因此视频检索模型引入了多模态特征，以刻画 query 与视频在多个模态上的相关程度，并进行综合排序，提升视频搜索结果的整体满意度。此外，QQ 浏览器还能根据用户正在观看的视频内容，推荐用户可能感兴趣的搜索词，推词的挖掘、排序同样需要模型

02

YOLOv10开源｜清华用端到端YOLOv10在速度精度上都生吃YOLOv8和YOLOv9

实时目标检测一直是计算机视觉研究领域的一个重点，旨在在低延迟下准确预测图像中物体的类别和位置。它被广泛应用于各种实际应用中，包括自动驾驶，机器人导航，物体跟踪等。近年来，研究行人一直致力于设计基于CNN的目标检测器以实现实时检测。其中，YOLOs因其性能和效率之间的巧妙平衡而越来越受欢迎。YOLOs的检测流程包括两部分：模型前向过程和NMS后处理。然而，这两者仍存在不足，导致次优的准确度-延迟边界。

01

ICCV 2023 | LivelySpeaker: 面向语义感知的共话手势生成

人类对话中通常存在非语言行为，其中最重要的是手势语言。这些非语言手势提供了关键信息、丰富了对话的上下文线索。最近，基于深度学习的方法在从多模态输入生成手势的领域中广泛应用。特别是，这些方法将问题建模为有条件的运动生成，并通过训练一个以说话者身份音频波形、语音文本或这些多模态信号的组合为输入的有条件生成模型来解决。虽然结合了多个模态，但结果往往受到音频信号的节奏高度相关的影响，因为它与说话期间手势的表现密切相关。而其他工作认识到通过共话手势传达的语义的重要性，但它们的框架在很大程度上依赖于预定义的手势类型或关键字，这使得难以有效表达更复杂的意图。

01

ACM MM | 中山大学等提出HSE：基于层次语义嵌入模型的精细化物体分类

作者：Tianshui Chen、Wenxi Wu、Yuefang Gao、Le Dong、Xiaonan Luo、Liang Lin

02

Transformer又来搞事情！百万像素高清图轻松合成，效果迷人

你上一次听到用Transformer生成图像，应该还是iGPT刚问世的时候吧？当时OpenAI用GPT-2来分类和补全图像，取得了令人惊艳的成果。遗憾在于，iGPT生成的图像最大只有64x64像素。

01

使用多尺度扩散实现超分辨率的频域细化

单张图像的超分辨率（SR）是一项至关重要的任务，并吸引了持续的研究兴趣，这对于提高各种下游任务的低分辨率（LR）图像的质量起着至关重要的作用。从频域的角度来看，导致LR图像的自然或人为退化过程可以看作是对相应高分辨率（HR）图像的广泛低通滤波，导致高频细节的显著损失。因此，重建高质量HR图像的主要难点在于对缺失的高频信息的恢复。近年来，随着深度学习技术的不断创新，出现了各种超分辨率方法。这些方法可以分为两类，即基于回归的方法和生成方法。

01

npj Comput. Mater. | 基于自动量子计算的深度学习和优化用于分子设计

今天为大家介绍的是来自Fengqi You团队的一篇论文。计算机辅助的新型分子和化合物设计是一项具有挑战性的任务，可以通过量子计算（QC）来解决。在这里，作者使用了量子计算辅助学习和优化技术，用于分子性质预测和生成任务。所提出的概率能量基深度学习模型是在QC的支持下以生成式训练方式进行训练，生成了分子的稳健潜在表示。同时，所提出的基于数据驱动的QC优化框架通过利用基于能量的模型捕获的结构-性质关系，在目标化学空间中进行有导向性的导航。

02

中科院版「分割一切」模型来了，比Meta原版提速50倍 | GitHub 2.4K+星

最近中科院团队开源了FastSAM模型，能以50倍的速度达到与原始SAM相近的效果，并实现25FPS的实时推理。

01

Self-Ensembling with GAN-based Data Augmentation for Domain Adaptation in Semantic Segmentation

基于深度学习的语义分割方法有一个内在的局限性，即训练模型需要大量具有像素级标注的数据。为了解决这一具有挑战性的问题，许多研究人员将注意力集中在无监督的领域自适应语义分割上。无监督域自适应试图使在源域上训练的模型适应目标域。在本文中，我们介绍了一种自组装技术，这是分类中领域自适应的成功方法之一。然而，将自组装应用于语义分割是非常困难的，因为自组装中使用的经过大量调整的手动数据增强对于减少语义分割中的大的领域差距没有用处。为了克服这一限制，我们提出了一个由两个相互补充的组件组成的新框架。首先，我们提出了一种基于生成对抗性网络（GANs）的数据扩充方法，该方法在计算上高效，有助于领域对齐。给定这些增强图像，我们应用自组装来提高分割网络在目标域上的性能。所提出的方法在无监督领域自适应基准上优于最先进的语义分割方法。

02

ICCV 2019 | 港大提出视频显著物体检测算法MGA，大幅提升分割精度

本文解读了香港大学联合中山大学和深睿医疗人工智能实验室 ICCV2019 论文《Motion Guided Attention for Video Salient Object Detection》。

01

概率扩散模型讲义（Probabilistic Diffusion Models）

Lecture Notes in Probabilistic Diffusion Models

01

Scaling Up to Excellence: 恢复逼真的图像

随着图像修复(IR)的发展，人们对 IR 结果的感知效果的期望显著提高。基于生成先验的 IR 方法，利用强大的预训练生成模型将高质量的生成和先验知识引入 IR ，在这些方面取得了重大进展。不断增强生成先验的能力是实现更优秀的IR结果的关键，模型缩放是一种关键且有效的方法。有许多任务从扩展中获得了惊人的改进，例如SAM 和大型语言模型。这进一步激励努力构建能够产生超高质量图像的大规模智能图像修复模型。然而，由于计算资源、模型架构、训练数据以及生成模型和 IR 的协作等工程限制，扩展 IR 模型具有挑战性。

01

ICLR2023 | 基于能量受限扩散的可扩展transformer

今天为大家介绍的是来自严骏驰教授团队的一篇论文。现实世界数据生成通常错综复杂，与标准学习方法中的独立同分布数据假设相去甚远，这对于揭示学习实例表示的几何结构构成了挑战。为此，作者引入了一种能量受限扩散模型，通过它们的相互作用将数据集中的实例信息相互传递。实验证明了作者的模型在各种任务中作为通用编码器的广泛适用性，具有出色的性能。

02

刷榜13个暗光增强基准！清华大学联合ETH等开源Retinexformer：亮、暗都有细节｜ ICCV 2023

在增强弱光图像时，许多深度学习算法都是基于Retinex理论的，不过Retinex模型没有考虑隐藏在黑暗中或由点亮过程引入的损坏。

02

顺着网线爬过来成真了，Audio2Photoreal通过对话就能生成逼真表情与动作

当你和朋友隔着冷冰冰的手机屏幕聊天时，你得猜猜对方的语气。当 Ta 发语音时，你的脑海中还能浮现出 Ta 的表情甚至动作。如果能视频通话显然是最好的，但在实际情况下并不能随时拨打视频。

01

ECCV 2018 | 旷视科技Oral论文解读：IoU-Net让目标检测用上定位置信度

论文：Acquisition of Localization Confidence for Accurate Object Detection

02

演进式数据架构

本文借助于《演进式架构》这本书中关于演进式架构体系的描述，探索我们如何在数据这个领域，设计出演进式数据架构。

01

J. Chem. Inf. Model. | 双重驱动的深度强化学习用于靶标特异性分子生成

今天为大家介绍的是来自 Hao Liu和 Liang Hong团队的一篇论文。基于深度学习的分子生成模型在新药设计领域引起了广泛关注。然而，大多数现有模型专注于基于配体或基于结构的策略之一，因此未能有效利用从配体和结合靶点的结构两方面获得的综合知识。在文章中，作者介绍了LS-MolGen，一种新颖的配体和结构整合型分子生成模型。该模型协同地结合了表示学习、迁移学习和强化学习。来自迁移学习的有针对性知识吸收，再加上强化学习中的高级探索策略，使LS-MolGen能够高效生成新颖且高亲和力的分子。

02

Apache Hudi重磅RFC解读之存量表高效迁移机制

随着Apache Hudi变得越来越流行，一个挑战就是用户如何将存量的历史表迁移到Apache Hudi，Apache Hudi维护了记录级别的元数据以便提供upserts和增量拉取的核心能力。为利用Hudi的upsert和增量拉取能力，用户需要重写整个数据集让其成为Hudi表。此RFC提供一个无需重写整张表的高效迁移机制。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭