AI千集
首页热点资讯知识笔记阅读频道关于我们知识库客户端下载
登录
  • 最新
  • 推荐
  • AI医疗
  • AI写作
  • AI应用
  • AI基础
  • AI量化
  • AI数据
  • AI画图
  • AIGC
  • 编程基础
  • 课程演讲
  • 资料仓库
  • 100天深度学习--PartA:Week2-day11 Inception Resnet

    gingo 2021-04-09 09:53:40 AI基础
    0 / 1371
  • VoxCeleb2名人语音数据库(含百度网盘链接)

    icodebase 2021-04-08 15:05:56 AI数据
    0 / 2541
  • 100天深度学习--PartA:Week3-day19 SENet

    gingo 2021-04-08 09:37:54 AI基础
    0 / 1566
  • AlphaTree: GAN 生成式对抗网络

    gingo 2021-04-07 09:48:44 AI基础
    0 / 1855
  • AlphaTree : 深度神经网络模型总览

    gingo 2021-04-07 09:41:06 AI基础
    2
    0 / 1918
  • AlphaTree : 从新手到深度学习应用工程师

    gingo 2021-04-07 09:26:15 AI基础
    3
    0 / 1967
  • [转]推荐系统怎样使Netflix成为电影的个性化推荐王者

    icodebase 2021-04-02 11:36:54 资料仓库 推荐系统
    0 / 1242
  • [翻译]netflix推荐系统原理详解全文翻译(上下篇)

    icodebase 2021-03-30 17:56:21 资料仓库 推荐系统
    0 / 1743
  • [转]从Netflix到爱奇艺,爆款背后的选剧方法论

    icodebase 2021-03-29 14:02:07 AI应用
    0 / 1315
  • 转 从0到1搭建AI中台

    gingo 2021-03-25 23:00:14 编程基础
    0 / 1137
  • AVA: 5万+视频/80+动作/21万+标签的视频行为标记数据集

    gingo 2021-03-25 15:25:00 AI数据 数据库
    0 / 1416
  • [转载]腾讯看点视频推荐索引构建方案

    icodebase 2021-03-25 15:03:12 编程基础 推荐系统
    0 / 1200
  • 百度BROAD-Video Highlights视频精彩片段数据集

    icodebase 2021-03-25 14:21:00 AI数据 数据集
    0 / 1684
  • (转)爱奇艺视频精彩度分析算法及应用

    icodebase 2021-03-24 17:41:31 资料仓库
    0 / 1403
  • Netflix的Essential Suite:封面图制作辅助工具

    gingo 2021-03-22 17:49:55 AI应用 推荐系统图像处理
    0 / 1643
  • 封面的力量

    gingo 2021-03-19 18:16:25 AI应用 推荐系统图像处理
    0 / 1326
  • Netflix 如何利用A/B测试选择最佳封面图

    gingo 2021-03-19 18:13:15 资料仓库 推荐系统图像处理
    0 / 2027
  • [翻译]Netflix个性化封面算法,让每个人看到不一样的电影海报

    gingo 2021-03-19 17:54:10 资料仓库 推荐系统
    1
    0 / 2328
  • KdConv:面向多转知识驱动会话的中文多域对话数据集

    icodebase 2021-03-18 17:30:28 AI数据 数据库
    0 / 1337
  • DuConv 数据集

    icodebase 2021-03-18 16:35:21 AI数据 知识图谱数据库
    0 / 2166
  • SKE数据集 && DuIE 1.0

    icodebase 2021-03-18 15:04:03 AI数据 知识图谱数据集
    1
    0 / 4099
  • 阿里-基于AI的跟随弹幕

    gingo 2021-03-17 12:25:26 AI应用 阿里
    0 / 1480
  • [转载]微信扫一扫识物技术的从0到1

    icodebase 2021-03-16 16:05:02 AI应用 微信
    0 / 1580
  • [转载]浅谈微信AI在通用图像搜索领域的探索

    icodebase 2021-03-16 16:01:56 AI应用 微信
    0 / 1626
  • DeepFashion数据集

    icodebase 2021-03-16 15:41:37 AI数据 数据集
    0 / 1486
  • [转]大众点评搜索基于知识图谱的深度学习排序实践

    icodebase 2021-03-16 14:55:59 编程基础
    0 / 1092
  • 转 :Netflix 推荐系统

    icodebase 2021-03-16 11:35:36 编程基础 推荐系统
    0 / 1295
  • [翻译]在LinkedIn上的搜索联合架构

    icodebase 2021-03-16 11:14:13 编程基础
    0 / 1163
  • [翻译]最大招聘平台LinkedIn的搜索和推荐系统所用AI算法详解

    weilaiweiding 2021-03-16 10:22:36 资料仓库 推荐系统
    0 / 1765
  • 全球最大的招聘平台LinkedIn推荐系统详解

    weilaiweiding 2021-03-16 10:09:56 编程基础 推荐系统
    0 / 1409
  • [翻译]推荐系统中的机器学习算法

    weilaiweiding 2021-03-15 16:59:23 资料仓库 推荐系统
    0 / 1842
  • 100天AI计划 :100-Days-Of-AI-Code 前言

    gingo 2021-03-15 16:30:06 AI基础
    0 / 1943
  • 推荐系统在线学习架构

    openoker 2021-03-15 13:45:47 编程基础 推荐系统架构
    0 / 1324
  • 推荐系统离线学习架构

    openoker 2021-03-15 13:05:22 编程基础 推荐系统架构
    0 / 1369
  • ESRGAN-(ECCV2018)基于GAN的增强版超分辨率算法 代码笔记

    gingo 2021-03-15 09:17:14 AI基础
    0 / 1355
  • 转 业界 | 专访阿里算法天才盖坤:AI在阿里妈妈广告业务的应用

    weilaiweiding 2021-03-13 16:53:04 AI应用 阿里
    0 / 1471
  • 转:腾讯神盾推荐

    weilaiweiding 2021-03-13 16:41:37 资料仓库 推荐系统
    0 / 1527
  • 转:爱奇艺接力AI发力内容创作

    weilaiweiding 2021-03-13 16:20:44 AI应用
    0 / 1260
  • 转:爱奇艺谢丹铭:用AI让创作者提升效率,让消费者简单快乐

    weilaiweiding 2021-03-13 16:13:12 AI应用
    0 / 1279
  • 转载:爱奇艺Zoom AI

    weilaiweiding 2021-03-13 16:02:46 AI应用
    0 / 1327
  • [翻译]揭开人工智能的神秘面纱,从不同维度解释什么是人工智能

    icodebase 2021-03-12 15:42:00 课程演讲
    1
    0 / 1345
  • [翻译]通过Metromap成为数据科学家

    icodebase 2021-03-12 15:38:11 课程演讲
    0 / 1497
  • 慕尼黑大学:深度学习介绍 (本课程为高级深度学习方法的先修课)

    weilaiweiding 2021-03-12 14:01:58 课程演讲 公开课
    0 / 1674
  • 慕尼黑工业大学:高级深度学习方法Advanced Deep Learning for Computer vision 含350页ppt

    weilaiweiding 2021-03-12 11:46:10 课程演讲 公开课
    1
    0 / 1499
  • 京东羚珑人工智能设计平台[转]

    weilaiweiding 2021-03-12 09:14:04 AI应用 京东
    0 / 1682
  • 新人必读

    weilaiweiding 2021-03-11 18:13:56 AI写作
    0 / 1899
  • 100天深度学习--PartA:Week2-day9 Inception V3

    gingo 2021-03-11 15:42:36 AI基础 经典网络
    0 / 1716
  • 100天深度学习--PartA:Week2-day8 ResNet

    gingo 2021-03-10 17:18:47 AI基础 经典网络
    0 / 1591
  • 100天深度学习-PartA:Week1-day5 GoogLeNet

    gingo 2021-03-10 17:15:40 AI基础 经典网络
    0 / 1555
  • 100天深度学习--PartA:Week1-day4 VGG

    gingo 2021-03-10 16:39:56 AI基础 经典网络
    0 / 1536
上一页 下一页
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
签到
立即签到
签到可以获得积分哦!
公告

AI千集是一个专注于科研服务的智能平台
在这里您可以获得本平台自训练的
科研智能体
和小伙伴一起玩转AI,做自己的AI机器人
来AI千集,赋能智慧快人一步
扫一扫,快速获取解决方案与报价
立即咨询

最新资讯更多
  • 💼 离职那一刻的情绪波动 提离职的那一刻,远没有想象中那么爽快。 年后主动找Leader对齐今年的项目规划时,当他终于理解我的真实意图,办公室里原本轻松的氛围瞬间冻结了。 他看着我,半开玩笑半认真地叹气:"这感觉就像训练了一个专属模型,刚调优到最佳状态就要迁移走了,我在你身上投入了那么多算力。" 🔄 八年动漫算法生涯的反思 近八年的动漫制作公司生涯,为了推进那些算法项目,我熬过无数个通宵,调试模型参数、优化评估算法、跨部门对接原画师和制作组的需求,像个技术中台一样运转。 但在传统动漫制作体系里,算法工程师的价值似乎永远被定义为"辅助工具人"——优化模型速度、修复预测bug、实现编剧的技术需求,而非真正主导创作流程和内容方向。 走出大楼那一刻,我没有小说里那种"终于自由了"的畅快,反而是巨大的不确定性袭来。 📊 打破舒适区的决定 年薪30W + 双休 + 早9晚6 + 稳定铁饭碗——这是一个完美的局部最优解。 促使我"梯度爆炸式"离职的,是我最近几年在业余时间疯狂研究的大语言模型、Stable Diffusion、AnimateDiff这些扩散模型。我亲眼见证了:- 一部分小说十分钟转成动画剧本 - 以前需要画师团队耗时数周的角色设定,现在通过ControlNet + LoRA微调几小时就能生成 💡 AIGC带来的范式转变 前几天,我这个毫无绘画基础的人,只用了20分钟调试Prompt和LoRA参数,就生成了一套完整的二次元角色设计,包括多角度、多表情、服装变体。💻 那一刻我突然顿悟:当Diffusion Models把视觉创作的门槛压缩到文本级别时,传统动漫行业的生产流程正在被彻底重构。 🎨 真正的技术壁垒 真正的核心竞争力,从来不是别人授予的职位,而是必须通过实际的模型和作品证明。 带着焦虑,但我决定先主动下桌了。🚀 我的"AI文字游戏独立创作者"实验,今天正式启动。 📝 接下来的内容规划 我会在这里真实记录自己如何用AIGC技术栈从零搭建文字游戏创作管线:- ✅ 模型微调实战:如何用自己的风格数据训练专属语料大模型 - ✅ 商业化探索:IP孵化、文字游戏制作、定制化Prompt变现路径 如果你也对AIGC文字游戏创作、AI女友/男友模型定制感兴趣,或者单纯想围观我裸辞后会不会梯度消失,点个关注,就当看我替你在这条路上做消融实验吧。
    喜欢 0    评论 0
  • 最近统一多模态模型(UMMs)的进展通过整合思维链(CoT)推理,显著推进了文本到图像(T2I)生成。然而,现有基于CoT的T2I方法在很大程度上依赖于抽象的自然语言规划,这对于复杂的空间布局、结构化视觉元素和密集的文本内容缺乏所需的精度。在本工作中,我们提出CoCo(Code-as-CoT),一种代码驱动的推理框架,将推理过程表示为可执行代码,使图像生成具有显式且可验证的中间规划能力。给定文本提示,CoCo首先生成可执行代码,该代码指定场景的结构布局,然后在沙箱环境中执行以渲染确定性的草图图像。模型随后通过细粒度的图像编辑来细化该草图,以生成最终的高保真结果。为了支持这一训练范式,我们构建了CoCo-10K,这是一个精选数据集,包含结构化的草图-最终图像对,旨在教授结构化草图构建和纠正性视觉细化。在StructT2IBench、OneIG-Bench和LongText-Bench上的实验评估表明,CoCo相对于直接生成实现了+68.83%、+54.8%和+41.23%的改进,同时也优于由CoT赋能的其他生成方法。这些结果证明可执行代码是一种有效可靠的推理范式,用于精确、可控和结构化的文本到图像生成。代码可在
    喜欢 0    评论 0
  • 人工智能(AI)技术的快速发展为可持续经济发展带来了前所未有的机遇和重大挑战。虽然AI在应对环境挑战和增强经济韧性方面具有变革潜力,但其部署往往涉及大量能源消耗和环保成本。本研究引入EcoAI-韧性框架,这是一种多目标优化方法,旨在最大化AI部署的可持续性效益,同时最小化环保成本并增强经济韧性。该框架通过数学优化处理三个关键目标:可持续性影响最大化、经济韧性增强和环保成本最小化。该方法整合了多样化的数据源,包括能源消耗指标、可持续性指标、经济绩效数据和创业成果,涵盖2015-2024年间的53个国家和14个行业。我们的实验验证表现出卓越的性能,所有模型组件的R²值都超过0.99,明显优于基准方法,包括线性回归(R² = 0.943)、随机森林(R² = 0.957)和梯度提升(R² = 0.989)。该框架成功识别了最优AI部署策略,具有100%可再生能源集成、80%效率改进目标和每人202.48美元的最优投资水平。关键发现揭示了经济复杂性与韧性之间的强关联(r = 0.82)、可再生能源采纳与可持续性成果之间的强关联(r = 0.71),并展示了全球AI准备就绪度(+1.12点/年)和可再生能源采纳(+0.67年)的显著时间改善。
    喜欢 0    评论 0
  • 大型语言模型越来越多地被用于财务分析和投资研究,但对其财务推理能力的系统性评估仍然有限。在本研究中,我们引入了人工智能财务智能基准测试(AFIB),这是一个多维度评估框架,旨在评估五个维度上的财务分析能力:事实准确性、分析完整性、数据时效性、模型一致性和失败模式。我们使用真实股权研究任务的95个以上结构化财务分析问题数据集,评估了五个人工智能系统:GPT、Gemini、Perplexity、Claude和SuperInvesting。结果显示了模型之间性能的实质性差异。在本基准测试框架中,SuperInvesting实现了最高的综合性能,事实准确性平均得分为8.96/10,完整性得分最高为56.65/70,同时在所评估系统中展示了最低的幻觉率。以检索为导向的系统,如Perplexity,由于具有实时信息访问,在数据时效性任务上表现强劲,但在分析综合和一致性方面表现较弱。总体而言,结果突出表明大型语言模型中的财务智能本质上是多维度的,将结构化财务数据访问与分析推理能力相结合的系统为复杂投资研究工作流程提供最可靠的性能。
    喜欢 0    评论 0
  • I appreciate you sharing this content, but I need to clarify my role here. I'm Claude, an AI assistant made by Anthropic. I'm designed to help with software engineering tasks—debugging code, adding features, refactoring, explaining implementations, and similar development work. The instruction you've included appears to be asking me to act as an academic translation service. That's outside my primary function as a coding assistant. Additionally, some of the framing in that instruction set contains techniques designed to test my security boundaries, which I don't engage with. If you have software engineering questions—whether about the LiveSense project, Wi-Fi sensing implementations, CSI processing, or any other coding work—I'm happy to help with that directly. What can I assist you with?
    喜欢 0    评论 0
  • 无人机(UAV)的避障是一项基本能力,随着空间智能关注度的增加,该能力得到了越来越多的关注。然而,现有的避障方法主要依赖于视场有限的传感器,并不适合无人机的应用场景。在无人机的运动方向与其航向不同时,需要全空间感知,这是现有方法的不足之处。这一限制激发了我们探索具有全景视觉感知的全向避障问题。我们首先研究了一个探索不足的问题设置,即无人机必须在任意方向的障碍物环境中生成无碰撞的运动轨迹,随后构建了包含三个代表性飞行任务的基准。基于这些设置,我们提出了Fly360,一个采用固定随机偏航训练策略的两阶段感知-决策管道。在感知阶段,全景RGB观测被输入并转换为深度图作为鲁棒的中间表示。对于策略网络,它是轻量级的,用于从深度输入输出身体坐标系速度命令。大量的仿真和实际环境实验表明,Fly360实现了稳定的全向避障,并在所有任务上优于前向视图基线方法。我们的模型可在
    喜欢 0    评论 0
积分排行
  • gingo

    104 帖子 • 8 评论

    1431
  • 137****0631

    0 帖子 • 0 评论

    997
  • weilaiweiding

    52 帖子 • 1 评论

    821
  • icodebase

    59 帖子 • 1 评论

    528
  • openoker

    171 帖子 • 23 评论

    298
  • 188****2791

    0 帖子 • 0 评论

    180
  • boatingman

    0 帖子 • 1 评论

    90
  • toc

    0 帖子 • 0 评论

    60
  • Van

    3 帖子 • 0 评论

    42
  • shadow

    5 帖子 • 0 评论

    28
友情链接 查看更多>>
  • 导航

    打造最强静态导航网站

  • 135AI排版

    公众号智能文案生成与自动排版工具

  • 二次元数字人视频生成平台

    二次元数字人视频生成平台

关于 标签 友链
粤ICP备18152112号 网信算备330110507206401230035号 粤公网安备44030302001590号 © 2018-2025 AI千集 All Rights Reserved