通过 OWL-ViT 实现开放词汇对象检测
通过 OWL-ViT 实现开放词汇对象检测
神经网络
文章
![[SOK-Bench] 利用视频中的真实](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/February2025/sok-bench-520x300.png)
[SOK-Bench] 利用视频中的真实世界知识进行情景视频推理基准测试
[SOK-Bench] 利用视频中的真实世界知识进行情景视频推理基准测 ...
计算机视觉
![[Libra] 利用解耦视觉系统对大规模](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/February2025/libra-520x300.png)
[Libra] 利用解耦视觉系统对大规模语言模型进行新的多模态设计
[Libra] 利用解耦视觉系统对大规模语言模型进行新的多模态设计
大型语言模型
![[DrHouse]利用传感器信息和专业知](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/February2025/drhouse-520x300.png)
[DrHouse]利用传感器信息和专业知识的诊断系统
[DrHouse]利用传感器信息和专业知识的诊断系统
医疗
描述性逻辑中异构图神经网络全局描述的新方法
描述性逻辑中异构图神经网络全局描述的新方法
GNN
全面调查钢铁行业基于人工智能的预测性维护的现状和挑战
全面调查钢铁行业基于人工智能的预测性维护的现状和挑战
预测模型
利用信息熵和 CRReLU 优化激活函数的方法
利用信息熵和 CRReLU 优化激活函数的方法
损失函数
![[让每个人都能享受便利......]使用](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2024/speaker-adaptation-whisper-520x300.png)
[让每个人都能享受便利......]使用 WHISPER 对发音障碍者的语音进行适配
[让每个人都能享受便利......]使用 WHISPER 对发音障碍者 ...
肢体瘫痪者的语音识别功能
SpeechT5 是一种革命性的语音处理模式！微软 SpeechT5 语音处理模型的惊人性能
SpeechT5 是一种革命性的语音处理模式！微软 SpeechT5 ...
声音
[你使用的是 Wav2vec2？这是一种更有效的语音特征提取方法
[你使用的是 Wav2vec2？这是一种更有效的语音特征提取方法
肢体瘫痪者的语音识别功能
一项极具挑战性的分类任务！使用 WHFEMD 算法准确、高效地捕捉和分类发音障碍的特征
一项极具挑战性的分类任务！使用 WHFEMD 算法准确、高效地捕捉和分 ...
肢体瘫痪者的语音识别功能
一篇推翻传统观点的论文！听力障碍者是根据噪音而不是根据他们的特征进行分类的！
一篇推翻传统观点的论文！听力障碍者是根据噪音而不是根据他们的特征进行分 ...
肢体瘫痪者的语音识别功能
平等享受便利！EasyCall 语料库"，这是一个针对听力障碍者的语音语料库
平等享受便利！EasyCall 语料库"，这是一个针对听力障碍者的语音 ...
肢体瘫痪者的语音识别功能
质疑 "规范"！使用超低复杂度 DNN 抑制噪音
质疑 "规范"！使用超低复杂度 DNN 抑制噪音
噪声抑制
LLM 为领域泛化创建训练数据
LLM 为领域泛化创建训练数据
使用 LLM 进行数据集合成
在 35% 的情况下，LLM 代理都能成功引导客户购买！
在 35% 的情况下，LLM 代理都能成功引导客户购买！
聊天室GPT
人人都会说英语的时代已经到来！适用于多种语言的零镜头语音合成技术让任何人都能像母语人士一样轻松发音！
人人都会说英语的时代已经到来！适用于多种语言的零镜头语音合成技术让任何 ...
肢体瘫痪者的语音识别功能
一种整合战略知识的新提示方法--战略思维链（SCoT）应运而生！
一种整合战略知识的新提示方法--战略思维链（SCoT）应运而生！
思维链
小波扩散：最快的扩散模型
小波扩散：最快的扩散模型
生成图像
利用 ChatGPT 提高面部识别的准确性和透明度，这是软性生物识别技术的新发展
利用 ChatGPT 提高面部识别的准确性和透明度，这是软性生物识别技 ...
大型语言模型
![[RL-GPT]在 Mincraft 中](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/March2024/rl-gpt-520x300.png)
[RL-GPT]在 Mincraft 中以比平常快几倍的速度获取钻石的框架现已推出
[RL-GPT]在 Mincraft 中以比平常快几倍的速度获取钻石的 ...
机器学习
现在有了一个框架，可以让法律硕士使用 MBTI 评估人的个性！
现在有了一个框架，可以让法律硕士使用 MBTI 评估人的个性！
聊天室GPT
掩码 R-CNN：高效检测图像中的物体
掩码 R-CNN：高效检测图像中的物体
计算机视觉
图形是如此的神奇!审查与深度学习的整合
图形是如此的神奇!审查与深度学习的整合
GNN
在 35% 的情况下，LLM 代理都能成功引导客户购买！
在 35% 的情况下，LLM 代理都能成功引导客户购买！
聊天室GPT
首个利用 LLM 检测假新闻的框架！
首个利用 LLM 检测假新闻的框架！
Fakenews
简单!准确度高!异常检测模型PatchCore的吸引力
简单!准确度高!异常检测模型PatchCore的吸引力
目标检测
![Swin 变形金刚] 基于变形金刚的图像](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/February2024/swin_transformer-520x300.png)
Swin 变形金刚] 基于变形金刚的图像识别模型，你现在要抓紧了
Swin 变形金刚] 基于变形金刚的图像识别模型，你现在要抓紧了
图片识别
![[DPO]一种不使用强化学习，直接将大规](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/direct_preference_optimization-520x300.png)
[DPO]一种不使用强化学习，直接将大规模语言模型与用户偏好相匹配的方法
[DPO]一种不使用强化学习，直接将大规模语言模型与用户偏好相匹配的方 ...
RLHF
什么是 "提示音调整"？
什么是 "提示音调整"？
提示方法
![[AlphaCodium] 性能最高的编](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/May2024/alphacodium-520x300.png)
[AlphaCodium] 性能最高的编程代码生成方法
[AlphaCodium] 性能最高的编程代码生成方法
大型语言模型
StrongSORT：DeepSORT回来了，更强大了!升级后的追踪模型!
StrongSORT：DeepSORT回来了，更强大了!升级后的追踪模 ...
物体追踪