视频表征学习
ICLR 2024 Oral:长视频中噪声关联学习,单卡训练仅需1天
在 2024 世界经济论坛的一次会谈中,图灵奖得主 Yann LeCun 提出用来处理视频的模型应该学会在抽象的表征空间中进行预测,而不是具体的像素空间 [1]。借助文本信息的多模态视频表征学习可抽取利于视频理解或内容生成的特征,正是促进该过程的关键技术。然而,当下视频与文本描述间广泛存在的噪声关联现象严重阻碍了视频表征学习。因此本文中,研究者基于最优传输理论,提出鲁棒的长视频学习方案以应对该挑战。该论文被机器学习顶会 ICLR 2024 接收为了 Oral。论文题目:Multi-granularity Corre
3/5/2024 11:33:00 AM
机器之心
- 1
资讯热榜
罗永浩 Jarvis 初创项目“J1 Assistant AI 助理”上线,利用语音与大模型互动
类 Mac Mini 大小的个人 AI 超算:英伟达 Project Digits 发布,起价 3000 美元
从DeepSeek-V3发布谈大模型的技术突破与未来机遇
3 到 5 秒即可同声传译 40 余种语言,时空壶推出 W4 Pro 实时翻译耳机
GPT-4o最自私,Claude更慷慨!DeepMind发布全新「AI道德测试」
全网都在扒的DeepSeek团队,是清北应届生撑起一片天
Just keep scaling!思维链作者Jason Wei 40分钟讲座剖析LLM扩展范式
奥特曼回应一切:宫斗、马斯克、ChatGPT两周年
标签云
AI
模型
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
生成
训练
谷歌
视频
智能
学习
Midjourney
GPT
大模型
用户
AI创作
图像
LLM
微软
开源
技术
Meta
论文
Stable Diffusion
生成式
算法
蛋白质
芯片
马斯克
计算
神经网络
AI设计
Gemini
Sora
研究
腾讯
课程
代码
开发者
场景
伟达
GPU
3D
预测
模态
Transformer
华为
文本
驾驶
英伟达
神器推荐
机器学习
AI视频
语言
干货合集
LLaMA
深度学习
2024
算力
搜索
视频生成
苹果
科技
AI应用场景
应用
百度
写作
特斯拉
机器
安全
具身智能
Copilot
AI for Science
语音
prompt
视觉