原文作者：公众号“集智实验室” 原文链接：https://mp.weixin.qq.com/s/A55BBhD3e_s3VVC7mw1JNw 雷峰网(公众号：雷峰网)转载 你是否有过这样的经历：在医疗影像分析中，仅仅因为细胞切片旋转了一个角度，AI诊断模型就给出了截然不同的判断？在自动驾驶场景里，摄像头角度稍有倾斜，目标检测就开始漏检误报？ 这背后是传统视觉模型的核心痛点——它们对物体的旋转...

来源：公众号“CAA OFFICIAL” 原文链接：https://mp.weixin.qq.com/s/kXA6C84NSpS-56fj6DjDiw 随着生成模型的快速发展，AI 生成图像正变得越来越逼真，也让图像真实性判断变得愈发重要：一张图片究竟是由相机真实拍摄，还是由模型合成生成？ 与此同时，一个与真实性判断密切相关、也更加细粒度的问题逐渐受到关注：对于 AI 生成图像中可能存在的不...

原文作者：公众号“Today读什么” 原文链接：https://mp.weixin.qq.com/s/BrsWJJAv22qHVa_gfv2cpg 一张照片被压缩、噪声、暗光和模糊破坏后，多模态模型仍然可以写出一段逻辑完整的分析。但分析越流畅，不代表它看到的证据越充分：车头朝向已经模糊，模型仍能解释车辆为何“直行”；公交车轮廓已经重叠，它依然可以自信地数出三辆。 过去的方法通常让视觉编码器适...

来源：公众号“量子位” 原文链接：https://mp.weixin.qq.com/s/fNmWtYp3C63b8p1wmqtShw?scene=1&click_id=27 雨雪、雾霾、镜头噪点、压缩失真、夜间弱光…… 现实里拍到的照片，几乎没有一张是绝对“干净”的。 可偏偏就是这种再正常不过的真实画面，一旦交给多模态大模型，其表现往往会大幅下滑—— 原本答得对的问题，画面一糊就开始...

联合编译：Blake、高斐 雷锋网注：何凯明博士，2007年清华大学毕业之后开始在微软亚洲研究院（MSRA）实习，2011年香港中文大学博士毕业后正式加入MSRA，目前在Facebook AI Research (FAIR)实验室担任研究科学家。曾以第一作者身份拿过两次CVPR最佳论文奖（2009和2016）——其中2016年CVPR最佳论文为图像识别中的深度残差学习（Deep Residu...

上一周，ICML 2016在纽约画上了完美的句号。这个会议（International Conference on Machine Learning）已经逐渐发展为了由国际机器学习学会（IMLS）主办的世界最顶级的机器学习领域会议之一。来自世界各地的机器学习领域的专家们都以论文投稿的方式向大会递交了自己最新的研究成果，其中包括一篇来自百度硅谷实验室的语音识别的论文。大会主要采用演讲和PPT展...

对自然图片的分布进行建模一直以来都是无监督学习中的里程碑式的难题。这要求图片模型易表达、易处理、可拓展。我们提出一个深度神经网络，它根据顺序沿着两个空间维度来预测图片中的像素。我们的模型离散了原始像素值的可能性，同时编码保证了整个图片的完整性。 建模特性包含二维循环层，以及对深度递归网络连接的有效利用。我们实现了比之前所有的模型都要好的在自然图片上对数可能性的分数。我们的主要结果也对Imag...

神经网络和深度学习大会主席：Hal Daume III地点： Ballroom 1+2+Juliard10：30– 强类型递归神经网络 （Strongly-Typed Recurrent Neural Network） David Balduzzi、 Muhammad Ghifary 惠灵顿维多利亚大学10：47– 源代码极端总结卷积关注网络 （A Convolutional Attenti...

论文作者：Mathias Niepert、Mohamed Ahmed、Konstantin Kutzkov NEC Labs Europe，海德尔堡，德国 论文摘要 许多重要问题可以划归到图像数据学习框架里。我们针对学习卷积神经网络提出了一个框架，可以适用于任何图形。这些图形可以是无向的，定向的，也可以是具有离散和连续节点和边缘属性。类似于基于图形的卷积网络，可以再本地化的可连接输入区域上允...