资讯列表
CVPR 2022 | 多机器人协同主动建图算法
本文是 CVPR 2022入选论文《Multi-Robot Active Mapping via Neural Bipartite Graph Matching》的解读。该论文由北京大学陈宝权研究团队与山东大学、腾讯AI Lab、清华大学、斯坦福大学合作，将传统方法与机器学习相结合，提出了多机器人协同主动建图算法 NeuralCoMapping，实现了室内场景完整地图的高效构建。
实验证明，相比于其他多机协同建图算法，NeuralCoMapping 在时间效率上具有显著优势，而且在多种未知场景和不同数量机器人上表现出卓越的泛化能力。
ICLR 2022 | 操作3D铰接物体的视觉操作轨迹学习
本文是 ICLR 2022入选论文《VAT-Mart: Learning Visual Action Trajectory Proposals for Manipulating 3D ARTiculated Objects》的解读。该论文由北京大学前沿计算研究中心董豪课题组与斯坦福大学、腾讯人工智能实验室合作完成。文章提出了一种新型的物体功能可操作性表示，设计了一个通过交互进行感知学习的框架以学习这个表示，并在多样的物体上完成操作任务。
FOCS 2021 | 针对Insdel距离的局部可解码编码的下界
近日，北京大学前沿计算研究中心助理教授程宽博士与其合作者的论文“Exponential Lower Bounds for Locally Decodable and Correctable Codes for Insertions and Deletions”发表在理论计算机科学国际顶级会议 FOCS 2021上。这篇文章探讨了编码理论中的一个重要问题，Locally Decodable Code 在 insertion deletion distance 场景下的下界。
墨芯首席科学家严恩勖：为什么说稀疏化是AI计算的未来
主讲人：严恩勖墨芯人工智能联合创始人 & 首席科学家卡内基梅隆大学 机器学习博士神经网络动态稀疏算法发明者视频简介：10年前，AI计算优化大多着重在优化算法的计算复杂度上，近年来随着AI产业化，AI计算优化更多注重在硬件的算力提升上。当前，硬件所能带来的算力提升已逼近极限，AI优化计算的未来将是算法与硬件架构的协同优化，以及构建相应的软件生态。稀疏化计算，带来数量级的算力提升，将成为未来AI计算优化的领航者。视频内容：
CVPR 2021 Oral | 室内动态场景中的相机重定位
本文是对发表于计算机视觉和模式识别领域的顶级会议 CVPR 2021的 Oral 论文 “Robust Neural Routing Through Space Partitions for Camera Relocalization in Dynamic Indoor Environments”（通过在空间划分中鲁棒的神经路由实现室内动态场景的相机重定位）的解读。
该论文由北京大学陈宝权研究团队与山东大学、北京电影学院、斯坦福大学和 Google Research 合作，针对室内动态变化场景的相机重定位问题，提出在场景空间划分中进行路由的思想，记忆场景静态信息的同时感知场景动态信息，从而实现鲁棒的相机位姿预测。
实验证明，该方法显著提升了动态变化场景中的相机重定位效果。
ICML 2021 | 基于装配的视频无监督部件分割
本文是第三十八届国际机器学习会议（ICML 2021）入选论文《基于装配的视频无监督部件分割（Unsupervised Co-part Segmentation through Assembly）》的解读。
该论文由北京大学陈宝权-刘利斌研究团队与山东大学、北京电影学院未来影像高精尖创新中心合作，提出了一种无监督的图像部件分割方法，创新性地采用了将部件分割过程和部件装配过程相结合的自监督学习思路，利用视频中的运动信息来提取潜在的部件特征，从而实现对物体部件的有意义的分割。
SIGGRAPH 2021 | 学习带神经融合形状的人物动画
本文是对发表于计算机图形学顶级会议 SIGGRAPH 2021 的论文 Learning Skeletal Articulations with Neural Blend Shapes 的解读。
该论文由北京大学陈宝权教授研究团队与北京电影学院未来影像高精尖创新中心、Google Research、特拉维夫大学以及苏黎世联邦理工学院合作，针对骨骼驱动的模型动画的高质量自动化生成进行改进，提出了神经融合形状技术。实验证明，该方法显著减少了已有方法中需要的人工干预，大大提升了生成动画的质量。
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
本文是对发表于计算机视觉和模式识别领域的顶级会议 CVPR 2021的论文“Causal Hidden Markov Model for Time Series Disease Forecasting（时间序列疾病预测的因果隐马尔可夫模型）”的解读。
该论文由北京大学王亦洲课题组与深睿医疗等单位合作，针对时间序列疾病预测的问题，提出了因果隐马尔可夫模型描述疾病的动态发展过程，并使用基于 VAE 的变分框架进行学习。通过对图像隐空间进行解耦，去除疾病无关因子与疾病预测的伪相关关系，从而提高预测的准确率和鲁棒性。
AAAI 2021 | 投票的平滑复杂度
本文是第三十五届人工智能大会（AAAI 2021）入选论文《The Smoothed Complexity of Computing Kemeny and Slater Rankings》的解读。
TOG 2020 | 基于骨骼一致性的单目视频人体运动重建
本文是对 2020 年 9 月发表于计算机图形学顶级期刊 ACM Transactions on Graphics（ToG）的论文《基于骨骼一致性的单目视频人体运动重建（MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency）》的解读。
该论文由北京大学与山东大学、北京电影学院、以色列特拉维夫与耶路撒冷大学合作，针对从单目视频中提取人体运动的问题，区别于直接回归关节坐标的方法，作者在神经网络中利用正向运动学，预测出时序一致的人体骨架及所对应的关节旋转，减小了网络预测的空间搜索范围，网络输出的结果也能直接运用于角色动画的驱动。
Creator 面对面 | 面向统一的 AI 模型架构和学习方法
随着 AI 的兴起，不同领域的相关研究热火朝天，各种各样的 AI 模型框架和学习方法扑面而来，各不相同。那么是否能有一种统一的模型架构和学习方法来解决不同领域的不同问题呢？让我们来听听怎么看。
开源！港中文、MIT、复旦提出首个RNA基石模型
本文中 RNA-FM 模型的出现一定程度上缓解了 RNA 带标注数据紧张的现状，为其他研究者提供了访问大批量无标签数据的便捷接口。并且，该模型将以 RNA 领域基础模型的身份，为该领域的各种各样的研究提供强有力的支援与帮助。
耗时3个多月、总结过往5年，马毅曹颖沈向洋撰文智能两大原则
在深度网络和人工智能复兴十年后，本文提出了一个理论框架，并提出了两个基本原则——简约性和自洽性，视它们为人工智能的基石。
苹果M2笔记本固态硬盘反向升级：降速还加价1500
涨价 1500 元，你获得了更长时间的续航，更好的屏幕，更小的体积…… 但硬盘却降级了。
Creator 面对面 | 昇腾异构计算架构 CANN 的技术进展和未来展望
在 2021 年的最后一个季度， CANN 5.0 版本正式发布。昇腾 CANN 作为平台级的异构计算架构，已经经过了 3 年多的优化，迭代了 4 个大版本，CANN 5.0 在性能方面，AI 模型训练/推理性能大幅提升，用时更短；在功能方面：推理引擎 ATC Suite1.0 首次发布，AI 模型推理性能更高、功能更全面；在便捷性方面：代码开发和调试进一步简化，包括支持混合编程等，使用门槛更低。在性能上，无论是训练规模大小、场景类型，还是推理效率，均有较大提升。实验数据显示，原本需要 6.25 分训练的 BERT 模型，在 CANN 5.0 的加持下缩短了一倍多，只需2.69分钟就能完成训练；至于在 3.0 版本上需要 28 秒训练的 ResNet ，5.0 版本则是“再进化”到 16 秒。
为自动驾驶汽车创造「记忆」，上交校友、康奈尔大学博士生两篇论文被CVPR 2022收录
人经常走一条路能走熟，自动驾驶汽车也应该能。
Creator 面对面 | 北大河图在稀疏大模型训练架构上的几点探索
河图是北京大学数据与智能实验室自研的一款分布式深度学习框架，兼顾创新性和可用性，这也是国内首个由高校自主研发的分布式深度学习系统。底层的算子实现到上层的模型设计完全是由河图团队自主实现。
库克、盖茨等500余人联名倡议：让每个中小学生都能学计算机课程
蒂姆 · 库克、杰夫 · 贝佐斯、比尔 · 盖茨等科技界知名人士在公开信上签了名。近日，500 余名商业、教育和非营利部门的知名人士签署了一封联名信，呼吁州长和教育领导者更新美国基础教育 K-12 课程，让「每所学校的每个学生都有机会学习计算机科学」。签署者名单包含许多科技界的知名人士，包括苹果首席执行官蒂姆 · 库克、亚马逊创始人兼执行主席杰夫 · 贝佐斯、Alphabet 首席执行官桑达尔 · 皮查伊、微软联合创始人比尔 · 盖茨以及 Meta 创始人兼首席执行官马克 · 扎克伯格。联名信链接：：以下签署人承诺