如果你想要深入了解最新的深度学习研究成果,那么现在就有一个好机会。
日前,NVIDIA推出了AI Playground,这是一个能够让任何人都可以在此亲身体验我们的研究成果演示的网上空间。
NVIDIA应用深度学习研究副总裁Bryan Catanzaro表示:“研究论文中总会提出各种又新又酷的想法,但这些想法往往只能被一小部分特定的人群读懂,而我们正在尝试让我们的研究成果变得更加通俗易懂。AI Playground可以让每个人都能与我们的研究成果进行互动,并从中获得乐趣。”
目前,AI Playground网站中已发布了三组演示,此三组演示均来自于NVIDIA于去年发表的杰出研究报告当中:即Image InPainting、Artistic Style Transfer和Photorealistic Image Synthesis。
Image InPainting模型是一种AI成像技术,该技术可以剔除图片中你不想要的内容,并由计算机生成逼真的替代方案,填补空白。你可以在Image InPainting中亲自上传并编辑你的照片,感受一下它的编辑效果。此项技术是于去年秋天在德国慕尼黑举行的欧洲计算机视觉会议(ECCV)上首次发布的。
Artistic Style Transfer可将一幅图像的画风逼真自然地运用到另一幅图像上。比如,用户可以在Artistic Style Transfer中上传自己朋友的照片,并将其转换成梵高风格的图像。这项研究成果是于去年八月份在温哥华计算机图形图像展(SIGGRAPH)上发布的。
Photorealistic Image Synthesis模型是一套基于深度学习的新型系统,其可利用条件生成式对抗网络来营造逼真的图像和虚拟环境。该演示的相关研究成果是于去年6月在盐湖城举行的计算机视觉和模式识别会议(CVPR)上的。
更多的演示将在在未来几个月中将陆续推出。
Catanzaro认为,AI Playground适用于所有对图片编辑和深度学习感兴趣的人。
Catanzaro表示:“NVIDIA在视觉计算与人工智能之间充当着桥梁的作用。这种关联性体现在我们的研究中,也体现在你在AI Playground上看到的演示中。”
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究由香港理工大学和新加坡国立大学的团队共同完成,提出了R?ec,首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同,R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架,无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示,R?ec在三个数据集上显著超越现有方法,在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。
这项研究提出了CURE框架,通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力,无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后,便在多个基准测试中超越了同类模型,代码生成准确率提高5.3%,最佳N选1准确率提高9.0%。该方法不仅提升了模型性能,还提高了推理效率,同时为降低API调用成本和无标签强化学习提供了新思路。