【AI大模型】时代，周鸿祎回应360儿童手表问答不当，想了想，我是这么做的
使用七牛和美数（Meisu）来实现图片的合规审核，可以分为两步：首先将图片上传到七牛云，然后使用美数的内容审核服务对图片进行合规性检测
透明性和解释性AI：概念与应用
透明性AI指的是AI系统的操作过程、决策机制、数据流动和模型行为是可理解和可追踪的。换句话说，透明性AI使得人们可以清楚地看到AI系统是如何做出决策的，这一过程包括输入数据的处理方式、模型的内部计算过程、以及最终决策的产生机制。解释性AI是指AI系统不仅能够给出决策结果，还能够提供关于该决策如何产生
滴滴不再设总裁岗；央视网发文批“AI女友”；理想大裁员；OpenAI CEO：将取消“封口协议”
Mark Gurman评论说，苹果公司面对在人工智能领域的落后情况，最终必须摆脱合作方式，建立自己的聊天机器人，并将其深度集成到公司的产品中。火山引擎强调通过大规模使用量来不断优化模型，其大模型自上线以来，每天处理的token数量高达1200亿，生成图片3000万张，并在50多个场景中进行实践和验证
HookNet- 用于病理全切片图像的多分辨率语义分割模型｜顶刊精析·24-08-08
今天分享的这篇文章是关于一种名为HookNet的新型语义分割模型，它专为病理学全切片图像设计，于2021年发表于《Med Image Anal》，目前IF=10.7。HookNet结合了编码器-解码器卷积神经网络的多个分支，通过不同分辨率的同心区域来捕获上下文信息和细节。这种模型通过一种称为“钩连”
Datawhale X 魔搭 AI夏令营第四期 | AIGC文生图——可图Kolors-LoRA风格故事 Task1笔记
Hi，大家好，我是半亩花海。最近在尝试学习AIGC的内容，并报名参加了Datawhale举办的2024年AI第四期夏令营，主要学习内容是从零入门AI生图原理和实践。本次活动基于魔搭社区“可图Kolors-LoRA风格故事挑战赛”进而开展的项目实践学习，很适合像我这样的想入门并实践AIGC文生图的初学
AI大模型原理（通俗易懂版）——大语言模型
AI大模型原理——大语言模型
LLaVA 简介：一种多模式 AI 模型
LLaVA 是一个端到端训练的大型多模态模型，旨在根据视觉输入（图像）和文本指令理解和生成内容。它结合了视觉编码器和语言模型的功能来处理和响应多模态输入。图 1：LLaVA 工作原理的示例。
Comfyui简直就是低配置机器的福音，1080显卡上也能轻松玩转SD绘图、AI图片换脸、视频换脸，让图片动起来等等
文生图，图生图，图生视频，AI换脸、老照片修复、AI试装，等等等等，ComfyUI，玩起来~~~
100万人在用的一键式AI论文生成工具，超详细教你怎么用！
锐智AI论文写作平台是当前非常热门的AI论文平台，具备选题、文献检索、写作助手等多项实用功能，涵盖了所有学科科目标签，支持OpenAI 4.0生成论文，5分钟3万字，附带ppt，开题报告，40篇真实中英文知网参考文献，生成的论文也十分专业，知网查重超过15%退费！从23年开始到现在，AI写论文已经成
机器学习/人工智能中的学习证明
在进行任何数学发展之前，我们必须首先了解学习的基础以及它如何与错误的概念密切相关。关于代价函数，它的工作原理是梯度下降原理。本文将回顾梯度下降原理。
CMU 10423 Generative AI：lec1
该文件是卡内基梅隆大学机器学习系的 “10-423/10-623 Generative AI” 课程第一讲的概述。生成式AI的定义和目标：介绍了生成式人工智能（GenAI）的基本概念，并讨论了其在人工智能（AI）的不同子目标（如感知、推理、控制、规划、通信、创造力和学习）中的应用。生成模型的多种形式
【数值模拟】参数化基本概念和参数化建模
介绍了参数化的概念，举例介绍了参数化建模流程，归纳了机器学习模型在参数化建模中的应用
Datawhale AI 夏令营 第五期-CV方向-Task1
基本概念：计算机视觉是研究如何让计算机能够像人类那样“看”的技术。基本流程：输入数据 —> 图像预处理 —> 进一步处理 —> 图像分析与理解主要CV技术：图像分类（Image Classification）、目标定位（Object Localization）、目标检测（Object Detecti
扩散模型理论与公式推导——详细过程速览与理解加深
推荐在简单了解扩散模型原理后再来看本篇文章，加深对理论的理解，本篇只叙述有关扩散模型公式理论的推导~
COLMAP进化版：Global Structure-from-Motion Revisited论文粗读（更新中）
从图像中恢复 3D 结构和相机运动一直是计算机视觉研究的长期焦点，被称为运动结构 （SfM）。这个问题的解决方案分为渐进式和全局式两种。到目前为止，最受欢迎的系统由于其卓越的准确性和鲁棒性而遵循增量范式，而全局方法的可扩展性和效率大大提高。在这项工作中，我们重新审视了全局 SfM 的问题，并提出 G
探秘AI动漫人物识别：MoeFlow
探秘AI动漫人物识别：MoeFlow MoeFlowRepository for anime characters recognition website, powered by TensorFlow项目地址:https://gitcode.com/gh_mirrors/mo/MoeFlow Moe
Transformer模型解析（附案例应用代码）
自注意力机制是Transformer模型的核心，它允许模型在编码每个单词时同时关注序列中的其他单词，从而捕捉到单词之间的依赖关系。位置编码的生成使用了正弦和余弦函数的不同频率，以确保编码在不同维度上具有不同的模式，从而使模型能够区分不同位置的单词。这样，每个头可以学习到序列的不同方面，最终的输出是所
Nat Med·UNI：开启计算病理学新篇章的自监督基础模型｜顶刊精析·24-07-31
一作&通讯角色姓名单位（中文）第一作者哈佛医学院布里格姆和妇女医院病理科第一作者Tong Ding哈佛医学院工程与应用科学学院第一作者Ming Y. Lu哈佛医学院和麻省理工学院癌症项目通讯作者哈佛医学院布里格姆和妇女医院病理科这篇文章介绍了一个名为UNI的新型通用自监督模型，它在计算病理学领域通过
Optuna发布 4.0 重大更新：多目标TPESampler自动化超参数优化速度提升显著
Optuna这个备受欢迎的超参数优化框架在近期发布了其第四个主要版本。
监督学习、无监督学习、半监督学习、弱监督学习、强化学习 和 主动学习
弱监督学习通常指的是训练数据的标签质量不完全可靠，可能是不准确的、噪声较多的或是不完全的。例如，利用搜索引擎的结果为图像自动标注标签，这些标签可能不完全准确。
