在计算机视觉与模式识别(CVPR)大会上,NVIDIA宣布推出全新的数据增强库和图像解码库。
基于深度学习的计算机视觉应用程序包括复杂的多阶段预处理数据管道,该管道包括诸多计算密集型步骤,如:从磁盘加载和提取数据、解码、裁剪和调整大小、上色、空间转换和格式转换。
利用GPU加速数据增强,NVIDIA DALI解决了当今计算机视觉深度学习应用的性能瓶颈问题,这些应用程序一般会包括复杂的多阶段数据增强步骤。借助DALI,深度学习研究人员可以在图像分类模型上扩展训练性能,如:具备MXNet的ResNet-50、TensorFlow、适用于所有Amazon Web Services P3 8 GPU实例的PyTorch或带有Volta GPU的DGX-1系统。得益于各框架之间一致的高性能数据加载和增强,框架用户将大大减少代码重复的情况。
DALI依靠全新的NVIDIA nvJPEG库进行高性能的GPU加速解码。nvJPEG支持单一与批量图像的解码、颜色空间转换、多相位解码以及采用CPU和GPU的混合解码。与仅通过CPU的解码相比,采用nvJPEG解码的应用具有更高的吞吐量和更低的延迟率。
DALI的优势包括:
nvJPEG优势包括:
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。