博文
- 置顶 · 挺进Q1区全球前10名！MIR首个影响因子发布
- 今日，科睿唯安(Clarivate Analytics)发布最新《期刊引证报告》(Journal Citation Reports)。由中国科学院自动化研究所主办、Springer全球发行的英文学术期刊Machine Intelligence Research(简称MIR，中文名《机器智能研究(英文)》)获得 首个影响因子(Impact Factor)： 6.4 ，在两个所属领域均位列 Q1区，领域最佳排 ...
- 专题好文 | 再思考人群计数中的全局上下文
- 本文探讨了全局上下文信息在人群计数任务中的作用。 具体来说，本文使用纯Transformer模型，从重叠的图像块中提取出包含有全局信息的特征。 受分类任务的启发，本文在输入序列中添加了一个上下文token，以促进Transformer各层图像块所对应的token之间的信息交换。 由于Transformer没有明确地建模通道交互(经过广泛 ...
- 专题好文 | Luc Van Gool团队: 基于分层注意力的视觉Transformer
- 新加坡科技研究局和ETH Zurich的研究人员 旨在解决视觉Transformer中与多头自注意力(MHSA)相关的高计算/空间复杂度问题。为此，文章提出了分层多头自注意力(H-MHSA)，这是一种全新的分层式计算自注意力的方法。具体来说，研究人员首先把输入图像分成固定大小的像素块，其中每一个像素块被视为一个token。而后，本 ...
- 浙江大学孔祥维团队 | 综述: 迈向真正以人为本的XAI
- 由于人工智能发展过程中与日俱增的复杂性和不透明性，人类对人工智能(AI)技术的应用在很大程度上受到了阻碍。为了搭建起高性能黑盒AI模型与人类理解之间的桥梁，人们利用各种方法和工具开发出可解释的人工智能(XAI)技术。然而，目前XAI技术的应用仍然缺乏以人为本理念的指导，难以在实践应用中准确地设计满足 ...
- AI最前沿 | 特约专题: 多模态表征学习
- MIR第四期已于8月正式出版，12篇最新好文免费下载，其中7篇文章来自特约专题Multi-modal Representation Learning，欢迎阅读！ 专题 · Editorial Editorial for Special Issue on Multi-modal Representation Learning Deng-Ping Fan, Nick Barnes, Ming-Ming Cheng, Luc ...
- 澳大利亚国立大学Nick Barnes团队 | 对息肉分割的再思考: 从分布外视角展开
- 澳大利亚国立大学Nick Barnes教授团队通过一种简单而高效的自监督学习方法，从分布外视角重新思考结直肠息肉的分割问题。与现有的全监督方法不同，本文利用掩码自动编码器——一种在重建任务上进行训练的自监督视觉变换器——来学习分布内特征表示，即健康结肠图像的分布。然后，本文执行分布外重建和推理，通过特征空 ...
- 前沿观点 | Segment Anything并非一直完美: SAM模型在不同真实场景中的应用调查
- 最近，Meta AI研究团队提出了一种通用的、基于提示的segment anything模型(SAM)，该模型在一个前所未有的大型分割数据集(SA-1B)上进行了预训练。毫无疑问，SAM的出现将为各种实际图像分割应用带来巨大的好处。来自加拿大阿尔伯塔大学的研究者们对SAM在各种应用领域，特别是自然图像、农业、制造业、遥感和医疗保 ...
- 精选好文 | 推荐系统的波纹知识图谱卷积网络
- 最近的研究表明，利用知识图谱辅助深度学习模型进行推荐决策可以有效提高模型的解释能力和准确性。 本文介绍了一种端到端的深度学习模型，名为增强表征的知识图谱卷积网络(RKGCN)，动态分析每个用户的偏好，并推荐合适的物品。 该模型结合了物品端和用户端的知识图谱，丰富了两者的表征，最大限度地利用了知识图谱 ...
- AI 最前沿 | 分布式深度强化学习，知识图谱，推荐系统，3D视觉，联邦学习...
- MIR 2024年第三期已于6月正式出版，12篇最新好文免费下载，欢迎阅读！ 综述 Distributed Deep Reinforcement Learning: A Survey and a Multi-player Multi-agent Learning Toolbox Qiyue Yin, Tongtong Yu, Shengqi Shen, Jun Yang, Meijing Zhao, Wancheng Ni, Kaiqi Huang, Bin Liang, Liang ...
- 复旦邱锡鹏团队 | MOSS: 一个开源的对话式大语言模型
- 在2022年底，ChatGPT一经发布，便迅速成为全球热点话题。但其技术细节未被公开，这也引发了公众对中美在人工智能领域技术差异的关注和担忧。 复旦大学的邱锡鹏团队于2023年2月20日发布了对话式大语言模型MOSS ，并公开其技术路线，引起了学术界和工业界的广泛关注。MOSS的发布是一个重要的里程碑，展示了在资源受 ...
- 自动化所黄凯奇团队 | 分布式深度强化学习：综述与多玩家多智能体学习工具箱
- 随着AlphaGo的突破，深度强化学习已成为解决序列决策问题的一项公认技术。尽管深度强化学习声名远扬，由于其试错学习机制存在样本低效率问题，这项技术难以得到广泛应用。目前已经开发了许多用于高样本效率的深度强化学习方法，例如通过环境建模、经验迁移和分布式学习等。其中，分布式深度强化学习在诸多领域中展现出 ...
