加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入

Transformer

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

TRANSFORMER,作词:Kenzie(韩文),T-Crash(中文),作曲: Kenzie / Jonathan Yip /Jonathan Yip / Ray Romulus / Ray McCullough,演唱:EXO。

TRANSFORMER,作词:Kenzie(韩文),T-Crash(中文),作曲: Kenzie / Jonathan Yip /Jonathan Yip / Ray Romulus / Ray McCullough,演唱:EXO。收起

查看更多
  • EdgeNAT: 高效边缘检测的 Transformer
    边缘检测是许多计算机视觉任务的基础,旨在从输入图像中精确提取物体边界和视觉显著的边缘。然而,由于图像中存在远距离物体、复杂背景中的模糊边界以及物体内部的颜色变化等挑战,边缘检测任务变得十分困难。传统的边缘检测方法主要依赖于颜色和纹理等局部信息,而基于卷积神经网络(CNN)的深度学习方法虽然可以扩展感受野以捕捉全局特征,但容易丢失细节信息。
  • 智驾行业BEV+Transformer到端到端“追热词”为夺技术终局优势?
    智驾行业BEV+Transformer到端到端“追热词”为夺技术终局优势?
    自去年以来,业界不断讨论和提及“BEV+Transformer”这一概念,即鸟瞰视图与基于自注意力机制的神经网络架构。卷了半年时间,今年,“端到端”这一概念又迅速成为人们热议的焦点。这两个概念看似截然不同,实则在视觉路线建立的基于Transformer 的架构上有着共通之处,也共同印证了人工智能技术从深度学习向多模态大模型演进的趋势。汽车领域始终处于自动驾驶技术革新的前沿。
  • RefMask3D: 基于语言引导的3D指代分割Transformer
    论文 RefMask3D: Language-Guided Transformer for 3D Referring Segmentation 提出了一种新的方法来解决3D点云中的目标识别和分割问题,特别是基于语言描述的目标识别。
  • AI的未来发展:分治法在左,端到端在右
    AI的未来发展:分治法在左,端到端在右
    阳萌或许是我接触过的最懂技术的CEO:他是北大计算机本科,硕博连读机器学习专业,但博士读了一半就跑了;他是百亿营收大厂安克创新的创始人,也曾在谷歌做搜索算法的研发;他的公司主要做的是充电宝、扫地机器人这些消费类电子产品,但我们聊的是人工智能、芯片等等硬科技。
    3641
    05/17 09:55
  • 三大角度解读地平线征程6芯片——全面升维,加速智驾全场景落地
    地平线立足于推动智能驾驶全场景解决方案的落地,其一系列最新突破和进展,也让业界看到了它在智驾领域的巨大潜力。未来,随着智驾数据量的积累、视觉大模型及多模态大模型技术框架与效果的提升,智能驾驶的能力有望达到新的高度。而地平线在全栈开发方面的积累和产业链影响力,都有助于它拥抱行业未来的高速发展。
  • AI 2024:回望哇声一片,前瞻道阻且长
    AI 2024:回望哇声一片,前瞻道阻且长
    在Transformer大模型热战于云端之际,业界已经看到了它在端侧、边缘侧的市场机会。如何使Transformer在硬件设备尤其是端侧和边缘侧硬件高效运行,将成为硬件厂商未来的重点方向。
  • 大模型是不是有点太多了?
    上个月,AI业界爆发了一场“动物战争”。一方是Meta推出的Llama(美洲驼),由于其开源的特性,历来深受开发者社区的欢迎。NEC(日本电气)在仔细钻研了Llama论文和源代码后,迅速“自主研发”出了日语版ChatGPT,帮日本解决了AI卡脖子难题。另一方则是一个名为Falcon(猎鹰)的大模型。今年5月,Falcon-40B问世,力压美洲驼登顶了“开源LLM(大语言模型)排行榜”。
  • Transformer流行的背后
    Transformer流行的背后
    许多技术公司都在大肆宣扬自己拥有比其他公司更好的处理transformer算法的解决方案。但其实业界transformer的基准测试尚未推出。Generative AI(GAI)的蓬勃发展已经颠覆了整个AI世界,似乎是这样。大语言模型(LLM),如ChatGPT所示,大多局限于语言建模和文本生成。但transformer(一种支撑LLM和其他GAI应用的总体深度学习架构)提供了一种可用于文本、语音、图像、3D和视频等数据流或任何传感数据的模型。
  • 高能低耗易部署,爱芯元智AX650N成Transformer最佳落地平台
    高能低耗易部署,爱芯元智AX650N成Transformer最佳落地平台
    近来,ChatGPT成为社会各界关注的焦点。从技术领域看,ChatGPT的爆发是深度学习领域演进、发展和突破的结果,其背后代表着Transformer结构下的大模型技术的飞速进展。因此,如何在端侧、边缘侧高效部署Transformer也成为用户选择平台的核心考量。
  • 一文看懂BEVFormer技术及其背后价值
    一文看懂BEVFormer技术及其背后价值
    近期,理想、蔚来、小鹏、小马智行、百度等多家主流车企、自动驾驶方案解决商推出相关量产方案。一时间,BEV越发“火”了起来。
  • 存算一体视觉SoC 破解端侧Transformer处理难题
    存算一体视觉SoC 破解端侧Transformer处理难题
    目前,AI模型的主干网络正从CNN转变为Transformer,因为后者具有精度高、全局性特征、多模态和迁移性强的特点。在云端,用Transformer已经可以实现虚拟教师、AI智能对话(例如ChatGPT),代码自动生成等场景,可以用GPU加速计算Transformer,但在端侧——如机器人、智慧教育等场景——目前的处理器在Transformer的加速计算上还面临难题。
  • ​Transformer+CNN,引领新一代AI发展
    视觉应用作为人工智能最普及的基础设施层,重要性却不言而喻。它可以说是人工智能机器的‘眼睛’,赋予它感知的能力,使它能够‘看懂’这个世界。而计算机视觉中的深度神经网络(DNN)架构则是这双眼睛的‘视网膜’,赋予了它可视的源泉。
  • 如何实现“轻高精地图”的城市NOH?毫末自动驾驶的8大亮点
    4月19日,毫末的AI DAY,在这次发布会的前后一周,毫末技术总监潘兴也有一次与媒体的沟通,并在分享结束后接受了媒体群访,从演讲到访谈同样是干货满满。

正在努力加载...