语音识别技术的秘密
语音识别技术的秘密
语音识别
深度学习
ACC-UNet：2020 年代完全复杂的 UNet
ACC-UNet：2020 年代完全复杂的 UNet
神经网络
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
![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
苹果公司在内存容量有限的设备上实现高效的大规模语言模型推理
苹果公司在内存容量有限的设备上实现高效的大规模语言模型推理
大型语言模型
![[MusicLDM] 低剽窃风险的文本到](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/musicldm-520x300.png)
[MusicLDM] 低剽窃风险的文本到音乐模型
[MusicLDM] 低剽窃风险的文本到音乐模型
扩散模型
[Set-of-Mark Visual Prompting] 提示技术可增强 GPT-4V 的图像识别能力
[Set-of-Mark Visual Prompting] 提示技术 ...
提示方法
![[情感提示] 情感提示输入可提高 LLM](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/emotionprompt-520x300.png)
[情感提示] 情感提示输入可提高 LLM 性能。
[情感提示] 情感提示输入可提高 LLM 性能。
提示方法
![AudioLDM]使用潜在扩散的文本到音](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/audioldm-520x300.png)
AudioLDM]使用潜在扩散的文本到音频生成模型
AudioLDM]使用潜在扩散的文本到音频生成模型
扩散模型
![[CoDi]可处理几乎所有模式的任意扩散](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/composable_diffusion-520x300.png)
[CoDi]可处理几乎所有模式的任意扩散模型
[CoDi]可处理几乎所有模式的任意扩散模型
扩散模型
未来的诊断方法：人工智能开创的 COVID-19 诊断革命。
未来的诊断方法：人工智能开创的 COVID-19 诊断革命。
医疗
![Versatile Diffusion]](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/versatile_diffusion-520x300.png)
Versatile Diffusion] 融合文本和图像的扩散模型
Versatile Diffusion] 融合文本和图像的扩散模型
扩散模型
![[CLAP] 语音和文本对比学习模型](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/clap_2_-520x300.png)
[CLAP] 语音和文本对比学习模型
[CLAP] 语音和文本对比学习模型
对比学习
![[UniD3] 用于综合处理图像和文本的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/unified_discrete_diffusion-520x300.png)
[UniD3] 用于综合处理图像和文本的多模式离散扩散模型
[UniD3] 用于综合处理图像和文本的多模式离散扩散模型
扩散模型
![Brain2Music] 根据大脑信息自](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/brain2music-520x300.png)
Brain2Music] 根据大脑信息自动生成音乐。
Brain2Music] 根据大脑信息自动生成音乐。
大型语言模型
什么是机器翻译中的好词汇？
什么是机器翻译中的好词汇？
自然语言处理
使用少量数据也能获得高性能？
使用少量数据也能获得高性能？
医疗