- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习和计算机视觉
3D重建算法综述
3 基于消费级RGB-D相机 相机可以基于主动式、被动式不同原理，优点在于基于这些设备的算法更具备实用性。 基于深度学习的三维重建算法 我们将基于深度学习的三维重建算法简要地分为三部分，更详细的文献综述将会在后续的公众号的系列文章中做介绍： 在传统三维重建算法中引入深度学习方法进行改进 深度学习重建算法和传统三维重建算法进行融合 3. 3D-R2N2: A unified approach for single and multi-view 3d object reconstruction, 2016 Christopher等人基于体素形式提出的 3D-R2N2模型使用Encoder-3DLSTM-Decoder的网络结构建立2D图形到3D体素模型的映射，完成了基于体素的单视图/多视图三维重建（多视图的输入会被当做一个序列输入到LSTM中，并输出多个结果
1.7K10编辑于 2022-09-28 - 来自专栏机器学习与推荐算法
2022年最新3篇GNN领域综述！
本文分享3篇关于图神经网络（GNN）的相关综述： 第1篇是对联邦图神经网络的调研，将目前的工作根据三层分类法进行了划分，即根据数据的原始存在形式、联邦学习的常规设置进行了分类介绍； 第2篇文献则是对几何等变图神经网络的调研 ，其根据GNN中的消息传递和聚合方式将现有的方法分为三类进行介绍； 第3篇文献则是对异质图神经网络的调研。 尽管取得了丰硕的成果，但仍缺乏对等变GNN进展的综述，这反过来阻碍了等变GNN的进一步发展。为此，基于必要而简明的数学基础，我们根据GNN中的消息传递和聚合的表示方式，将现有的方法分为三类。 3. Graph Neural Networks for Graphs with Heterophily: A Survey. 据我们所知，本文首次对异质图的gnn作了一个全面的综述。具体来说，我们提出了一个系统的分类法，该分类法本质上支配着现有的亲异GNN模型，并对其进行了一般性的总结和详细的分析。
1K30编辑于 2022-04-08 - 来自专栏计算机视觉战队
20年的目标检测大综述（章节3）
今天，“计算机视觉战队”给大家继续分享目标检测综述，今天主要说说目标检测算法的快速发展。 SPEED-UP OF DETECTION 加速目标检测一直是一个重要而又具有挑战性的问题。 除了一些通用的设计原则如 “ 更少的通道，更多的层（fewer channels and more layers） ”，近年来也提出了一些其他的方法：1) 分解卷积，2) 群卷积，3) 深度可分离卷积， 例如，可以将一个7x7过滤器分解为三个3x3过滤器，它们共享相同的接收域，但是后者效率更高。 Numerical Acceleration 在这一节中，我们主要介绍了四种重要的数值加速方法，它们在目标检测中经常使用：1) 积分图像加速，2) 频域加速，3) 矢量量化，4) 降阶近似。 感谢 Zhengxia Zou等人的无私贡献，本系列综述引用于《Object Detection in 20 Years: A Survey》，有兴趣的同学可以下载慢慢品！
63810发布于 2020-03-06 - 来自专栏腾讯云TVP
o3 deep research: LLM 驱动的 Agent 综述
OpenAI 最新的智能体表现是基于其推理模型o3的 Deep Research 功能，可以就任何题目自动搜寻资料、研读并汇总融合成全面完整、信息可追溯的综述性调查报告。 （本文就是 o3 deep research 完成。） 3. 融合实体世界，虚实一体的智能代理：2025 年的另一个重要趋势是LLM Agent将从数字世界走向物理世界，与机器人等实体系统相结合，成为现实生活中的“智能体机器人”。 】Agent：数字代理的崛起与未来Agent元年：从聊天机器人到数字员工的当代进化史生成式AI学习中容易混淆的几个术语思维链是大模型的符号神助攻再谈自然模态数据是高维空间的低维流形深度学习的局限性研究综述 o3 deep research: 深度学习局限性研究报告深度学习的基石：多层感知机o3 Deep Research: DeepSeek R1 多阶段训练流程问答解析RPA 赛道与大模型Copilots
1.1K00编辑于 2025-03-08 - 来自专栏深度学习自然语言处理
3万字详细解析清华大学最新综述工作：大模型高效推理综述
本文对现有的关于高效大模型推理的文献进行了全面的综述总结。首先分析了大模型推理效率低下的主要原因，即大模型参数规模、注意力计算操的二次复杂度作和自回归解码方法。 表1：综述对比 目前，综述[17],[18],[19],[20],[21],[22]均涉及LLM领域。这些综述主要集中在LLM效率的不同方面，但提供了进一步改进的机会。 图2：KV缓存技术在大模型推理中应用原理示意图 如图3所示，展示了提升推理效率的关键指标。 (3)基于响应恢复原始内容。CoT-Influx引入了一种使用强化学习对思维链(CoT)提示词进行粗到细粒度裁剪的方法。 对比实验与分析：本综述的作者对不同场景下的weight-only quantization技术所产生的加速效果。
3.7K11编辑于 2024-06-07 - 来自专栏人工智能前沿讲习
【综述专栏】知识图谱综述
为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。
1.4K40发布于 2020-12-31 - 来自专栏人工智能前沿讲习
【综述专栏】少样本学习综述
为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。
90721发布于 2021-07-28 - 来自专栏分布式系统设计新手入门
ITDSD- 3.分布式工程学综述
在1979年Lamport提出了顺序一致性的理论[3]。一致性理论最初被用于系统设计。主要在硬件和计算机系统发挥作用。 这个分类涉及到3个概念。首先任务就是离散数学中所表述的程序逻辑。是由一步或多步的计算过程组成。计算是指由计算单元完成程序逻辑的运行。 3，单任务&计算并有数据集。这种情况比较常见于集成电路或控制器中。例如汽车的速度传感器收集速度数据，使用速度数据修改显示屏。这种情况是不能进一步细化为分布式。但从广义角度说这种情况和第2种情况相同。 集群中任意一台服务器发生损坏的概率为1-((1-x1)*(1-x2)*(1-x3)…*(1-xn))。于是我们得到了定理1。 定理1，分布式系统随着硬件的增加，整体的不稳定性在增加。 于是我们得到了定理3。 定理3，层级关系及其不可替换性扩大了损害面积。 软件问题和硬件问题非常类似。软件为了提高代码的可重复使用率。在软件工程中引入了大量的层级关系。
55940发布于 2019-05-23 - 来自专栏程序媛驿站
综述 | 知识图谱技术综述（下）
题目：知识图谱技术综述 作者：徐增林，盛泳潘，贺丽荣，王雅芳 摘 要 知识图谱技术是人工智能技术的重要组成部分，其建立的具有语义处理能力与开放互联能力的知识库，可在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值 该文在全面阐述知识图谱定义、架构的基础上，综述知识图谱中的知识抽取、知识表示、知识融合、知识推理四大核心技术的研究进展以及一些典型应用。该文还将评论当前研究存在的挑战。 Journal of The National Library of China, 2012, 21(4): 3-11. [3] 索传军. 网络信息资源组织研究的新视角[J]. 知识图谱构建技术综述[J]. 计 算机研究与发展, 2016, 53(3): 582-600. LIU Qiao, LI yang, YANG Duan-hong, et al. 命名实体识别研究进展综述[J]. 现代图 书情报技术, 2010(6): 42-47. SUN Zhen, WANG Hui-lin.
1.6K41编辑于 2022-04-11 - 来自专栏深度学习自然语言处理
综述 | 最新视觉-语言预训练综述
据我们所知，这是VLP 领域的第一个综述。我们希望这个综述能够为 VLP 领域的未来研究提供启示。 02 介绍让机器以类似于人类的方式做出反应一直是人工智能研究人员的不懈目标。 特征提取：本节包括 VLP 模型中图像、视频和文本的预处理和表示方法（参见第3节）；2. 据我们所知，这是VLP领域的第一篇综述。我们希望我们的综述能够帮助研究人员更好地了解这一领域，并激发他们设计出更好的模型。 更多细节描述详见论文 Section 3 05 预训练目标本节介绍我们如何通过使用不同的预训练目标来预训练 VLP 模型，这对于学习视觉-语言的通用表示至关重要。 解决这个问题需要统一的认知模型架构、知识引导的预训练目标以及与新知识交互的支持；3. Prompt Tuning.目前，微调是将 VLP 的知识转移到下游任务的主要方法。
1.6K40编辑于 2022-03-04 - 来自专栏AI小白入门
【综述】卷积神经网络（CNN）综述
比如一个3*3*1的卷积核，这个卷积核内9个的参数被整张图片共享，而不会因为图像内位置的不同而改变卷积核内的权系数。说的再通俗一点，就是用一个卷积核不改变其内权系数的情况下卷积处理整张图片。 图4的卷积过程是：4*4输入图像与3*3卷积核进行卷积，得到3*3的输出图像。这样的卷积存在两个缺点：（1）每次卷积都会导致图像尺寸的变小，如果图像很小、进行卷积的次数很多，最后可能只会剩下一个像素。 在GoogleNet的结构中采用了3种类型的卷积操作，分别是1*1、3*3、5*5，该结构的主要特点是提升了计算机资源的利用率，它的参数比AlexNet少了12倍，而且GoogleNet的准确率更高，在 VGG模型用具有小卷积核的多个卷积层替换一个具有较大卷积核的卷积层，如用大小均为3*3卷积核的3层卷积层代替一层具有7*7卷积核的卷积层，这种替换方式减少了参数的数量，而且也能够使决策函数更具有判别性。 卷积神经网络研究综述[J]. 计算机学报, 2017, 40(6): 1229-1251. [7] Krizhevsky A, Sutskever I, Hinton G E.
7.8K41发布于 2020-02-20 - 来自专栏点云PCL
综述：生成自动驾驶的高精地图技术（3）
综述：生成自动驾驶的高精地图技术（1） 综述：生成自动驾驶的高精地图技术（2） 高精地图框架 随着高精地图的日益复杂和需要提取的环境特征数量的增加，有必要使用一定框架形式的软件以充分存储地图中的相关信息 MLS 3D点云上的特征提取是向高精地图添加详细道路信息的更常见和更强大的方法，具有提取的三维特征的高精地图提供深度信息和更新的环境信息，但需要昂贵的激光雷达和高计算成本，收集可用的点云数据也很耗时。 这些局限性导致了需要进一步研究和开发的一些挑战性问题： 1，向2D地图添加更多功能，如深度信息，并保持持续更新； 2、提高3D地图生成过程的效率，并使大规模高精地图的3D地图成为可能，而不需要花费太多时间和计算能力 总结 在这篇综述中，分析了最近用于自动驾驶的高精地图生成技术，将高精地图的基本结构概括为三个层次：道路模式，车道线模式，定位模式。 （3）介绍支持高精地图的框架，包括Lanelet2、OpenDRIVE和Apollo，还提供了一些用于在三个框架之间转换地图格式的有用工具。
2.2K10编辑于 2022-09-13 - 来自专栏深度学习和计算机视觉
综述：3D目标检测多模态融合算法
作者丨蒋天园，来源丨计算机视觉工坊，编辑丨极市平台 导读 本文是一篇关于3D目标检测中多模态融合方法的综述，总结了多模态融合的难点和现有研究中的一些方法。 0 前言 本篇文章主要想对目前处于探索阶段的3D目标检测中多模态融合的方法做一个简单的综述，主要内容为对目前几篇研究工作的总结和对这个研究方面的一些思考。 在3D目标检测中，目前大都是将lidar和image信息做融合。 Fusion for 3D Object Detection. https://github.com/LittleYuanzi/awesome-Automanous-3D-detection-methods 参考文献 [1] 3D-CVF: Generating
2.4K40发布于 2020-09-30 - 来自专栏全栈程序员必看
ITDSD- 3.分布式工程学综述
英文版地址：ITDSD- 3. 在1979年Lamport提出了顺序一致性的理论[3]。一致性理论最初被用于系统设计。主要在硬件和计算机系统发挥作用。 这个分类涉及到3个概念。首先任务就是离散数学中所表述的程序逻辑。是由一步或多步的计算过程组成。计算是指由计算单元完成程序逻辑的运行。 集群中任意一台服务器发生损坏的概率为x1*x2*x3…*xn。于是我们得到了定理1。 定理1，分布式系统随着硬件的增加，整体的不稳定性在增加。 也就是说随着分布式集群的增加发生损坏的概率也就越高。 于是我们得到了定理3。 定理3，层级关系及其不可替换性扩大了损害面积。 软件问题和硬件问题非常类似。软件为了提高代码的可重复使用率。在软件工程中引入了大量的层级关系。
31320编辑于 2022-09-04 - 来自专栏渗透测试专栏
渗透测试web安全综述(3)——常见Web安全漏洞
信息泄露是由于Web服务器或应用程序没有正确处理一些特殊请求，泄露Web服务器的一些敏感信息，如用户名、密码、源代码、服务器信息、配置信息等。
1.5K20编辑于 2024-09-27 - 来自专栏人工智能前沿讲习
【综述专栏】动态数据驱动仿真综述
的思想孕育的一系列仿真范式，并辨析了它们之间的联系和区别；详细介绍了基于粒子滤波的数据同化方法和identical-twin仿真实验方法；从应用场景、模型和数据、数据同化算法、与新技术的融合等四个维度综述了动态数据驱动仿真的研究现状
46810编辑于 2024-05-22 - 来自专栏人工智能前沿讲习
【综述专栏】图神经网络综述
为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。 文献[12]在关系归纳偏置和深度学习的研究基础上，提出了面向关系推理的图网络概念并进行了综述，但未对不同图网络技术进行分类和对比。 本文针对图神经网络，分析对比了六种图神经网络方法的优劣，首次对处理异构图数据的图神经网络技术进行了讨论和研究，综述了五类图神经网络的研究领域，并对未来的发展方向进行了展望。 0 (n2r + r3), r为近似矩阵的秩远小于n。 表3中从网络结构和应用场景的优势方向，具体对图神经网络结构研究进行了分析和对比。 ?
1.2K40发布于 2021-03-17 - 来自专栏有三AI
【技术综述】人脸颜值研究综述
03 传统方法研究思路 传统方法研究思路，自然就是手动提取特征，我们基于参考文献【3】来做说明。 利用Haar分类器截取人脸的大致区域 3. 但是由于原始图像角度问题会导致向量在计算过程中会出现误差，所以要对向量进行归一化处理，具体包括(1)平移不变处理(2)尺度不变处理(3)旋转不变处理 3.2.2 人脸距离特征 人到一定年龄以后，面部的器官位置信息将不再随着年龄的增长而变化
2.8K32发布于 2019-07-25 - 来自专栏深度学习自然语言处理
综述 | 知识图谱技术综述（上）
来自：程序媛驿站 题目：知识图谱技术综述 作者：徐增林，盛泳潘，贺丽荣，王雅芳 摘 要 知识图谱技术是人工智能技术的重要组成部分，其建立的具有语义处理能力与开放互联能力的知识库，可在智能搜索、智能问答 该文在全面阐述知识图谱定义、架构的基础上，综述知识图谱中的知识抽取、知识表示、知识融合、知识推理四大核心技术的研究进展以及一些典型应用。该文还将评论当前研究存在的挑战。 ConceptNet 5[27]是基于ConceptNet的一个开源项目，主要通过GPLv3协议进行开源。 3.知识图谱的关键技术 大规模知识库的构建与应用需要多种智能信息处理技术的支持。 文献[28]将实体抽取的方法分为3种:基于规则与词典的方法、基于统计机器学习的方法以及面向开放域的抽取方法。 3) 双线性模型 双线性模型又叫隐变量模型(latent factor model，LFM)，由文献[58-59]首先提出。
3.2K21发布于 2019-12-27 - 来自专栏人工智能前沿讲习
【综述专栏】排序学习（Learning to rank）综述
为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。 对于查询Q1进行人工标注之后,Doc2=5的分数最高，其次是Doc3为4分，最差的是Doc1为3分，将此转为相对关系之后有:Doc2>Doc1、Doc2>Doc3、Doc3>Doc1，而根据这个顺序关系逆向也可以得到相关性的排序顺序 对于某个评分函数F来说，对3个搜索结果文档的相关性打分，得到3个不同的相关度得分F(A)、 F(B)和F(C)， 根据这3个得分就可以计算6种排列组合情况各自的概率值。 “综述专栏”历史文章 零样本文本分类探秘 重磅发布 | 图像图形学发展年度报告（中国图象图形学报第6期综述专刊） 域适应(UDA)和半监督(SSL)的恩怨情仇 Meta Learning — Introduction to meta-learning 网络模型加速——轻量化网络 关于GNN的几个疑问的思考 图卷积神经网络(GCN)速览 从零到一：生成对抗网络GAN完全掌握 目标检测综述整理 Bert向量表示不能直接用于相似度问题的分析
5.3K40发布于 2021-07-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号