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
Transformer
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
让法律硕士在白板上写下他们的推理过程，可以大大提高他们的视觉推理能力！
让法律硕士在白板上写下他们的推理过程，可以大大提高他们的视觉推理能力！
提示方法
跨层关注大大减少了变压器内存
跨层关注大大减少了变压器内存
Transformer
YesBut：帮助 VLM 理解讽刺和漫画的数据集的出现！
YesBut：帮助 VLM 理解讽刺和漫画的数据集的出现！
数据集
![[SCoRe]强化学习，提高 LLM 自](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2024/score-520x300.png)
[SCoRe]强化学习，提高 LLM 自我纠错能力！在多步骤过程中发现和纠正错误
[SCoRe]强化学习，提高 LLM 自我纠错能力！在多步骤过程中发现 ...
大型语言模型
人工智能改变数学教育，使用大规模语言模型解决数学问题的潜力和挑战
人工智能改变数学教育，使用大规模语言模型解决数学问题的潜力和挑战
大型语言模型
更好的注意机制提高了 LLM 长文本处理的性能！
更好的注意机制提高了 LLM 长文本处理的性能！
大型语言模型
![OmniGen] 只需一个生成模型就能完](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/September2024/omnigen-520x300.png)
OmniGen] 只需一个生成模型就能完成所有基于图像的任务！
OmniGen] 只需一个生成模型就能完成所有基于图像的任务！
生成图像
SkySense：多模态遥感基础模型
SkySense：多模态遥感基础模型
CVPR
谷歌的高性能 LLM 可压缩超长提示语句以节省内存
谷歌的高性能 LLM 可压缩超长提示语句以节省内存
大型语言模型
GenTron：用于生成图像和视频的扩散变换器
GenTron：用于生成图像和视频的扩散变换器
生成图像
![[BitNet] 用单个比特进行推理的大](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/bitnet-520x300.png)
[BitNet] 用单个比特进行推理的大规模语言模型
[BitNet] 用单个比特进行推理的大规模语言模型
比特网
用于深度假体检测的自监督 ViT
用于深度假体检测的自监督 ViT
自监督学习
![[IGModel]提高基于 GNN+At](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/igmodel-520x300.png)
[IGModel]提高基于 GNN+Attention 机制的方法在药物发现中的实用性
[IGModel]提高基于 GNN+Attention 机制的方法在药 ...
医疗
![[Mustango] 使用音乐领域知识的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/mustango-520x300.png)
[Mustango] 使用音乐领域知识的音乐生成模型
[Mustango] 使用音乐领域知识的音乐生成模型
音频和语音处理
![[VoiceCraft] 业界最高水平的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/voice-craft-520x300.png)
[VoiceCraft] 业界最高水平的自然语音合成语言模型
[VoiceCraft] 业界最高水平的自然语音合成语言模型
文字转语音
创建了一种自动评估 LLM 输出长句准确性的方法
创建了一种自动评估 LLM 输出长句准确性的方法
大型语言模型