对2025年AI的4个大胆预测
demi 在 周五, 01/17/2025 - 14:56 提交
随着2024年的结束，我们可以回顾并认识到，AI已经取得了令人瞩目且开创性的进展。
Transformer是一种用于自然语言处理（NLP）任务的深度学习模型架构，它通过自注意力机制（Self-Attention）来处理输入数据中不同部分之间的关系。Transformer模型能够并行处理数据，大大提高了训练效率，并取得了在机器翻译、文本生成、语言理解等任务中的巨大成功。
Transformer
解决NLP任务的Transformer为什么可以应用于计算机视觉？
demi 在 周日, 09/29/2024 - 14:45 提交
在这篇文章中，我们探索了两种基础架构，它们使Transformer能够闯入计算机视觉的世界。
你需要知道的11个Torchvision计算机视觉数据集
demi 在 周日, 04/23/2023 - 14:06 提交
计算机视觉是一个显著增长的领域，有许多实际应用，从自动驾驶汽车到面部识别系统。该领域的主要挑战之一是获得高质量的数据集来训练机器学习模型。
港中文博士提出首个基于Transformer的条件GAN：成像质量仍不如CNN
demi 在 周一, 11/15/2021 - 09:41 提交
最近港中文博士提出首个基于Transformer的条件GAN模型STransGAN，缓解了Transformer的部分问题，但成像质量仍不如CNN。
Transformer走下神坛？南加州大学教授：想解决常识问题，神经网络不是答案
demi 在 周二, 08/31/2021 - 09:39 提交
NLP研究人员都知道语言模型只能学到语法上下文信息，对于常识性问题则束手无措。南加州大学的一名助理教授最近做客《对话》，阐述了他眼中的常识以及解决方法。他悲观地预测，也许5年、50年才能解决，到底需要多久，没人知道。