- 综合排序
- 最热优先
- 最新优先
3D场景重建与跨模态表征学习技术解析
运动恢复结构技术针对影视内容中摄像机运动受限的特点，提出深度引导的稀疏运动恢复结构方法。 关键技术包括：双目标优化：联合优化2D重投影误差与深度估计误差，相比传统几何优化方法提升10%-30%性能指标深度估计融合：利用现成深度估计模型生成密集深度图，通过双线性插值获取关键点真实深度初始化优化 ：在3D场景结构和相机位姿初始化阶段即引入深度信息系统工作流程：输入视频→关键点检测与跟踪→深度图插值→3D结构重建跨模态表征学习改进CLIP框架的局限性，提出渐进式自蒸馏方法：软对齐机制：允许图像与非配对文本建立概率关联 负样本权重实验表明该方法在：图像分类任务：部分数据集超越CLIP 30%-90%跨模态检索：图文互检索任务持续优于基线泛化能力：成功识别训练集未包含的彩色玻璃金鱼图案左：CLIP强制硬对齐 右：本文的概率软对齐框架技术应用前景两项技术已应用于 ：影视后期：精确插入数字对象到实拍视频内容理解：构建通用视觉表征支持分类/检索任务质量保障：为视频流媒体提供底层技术支持
26810编辑于 2025-08-19- 来自专栏NLP小白的学习历程
什么是表征学习？
在机器学习中，特征学习或表征学习[1]是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。 这就要求特征学习技术的整体设计非常有效，自动化，并且易于推广。 特征学习可以被分为两类：监督的和无监督的，类似于机器学习。 在监督特征学习中，被标记过的数据被当做特征用来学习。 监督字典学习 总体来说，字典学习是为了从输入数据获得一组的表征元素，使每一个数据点可以（近似的）通过对表征元素加权求和来重构。字典中的元素和权值可以通过最小化表征误差来得到。 通过L1正则化可以让权值变得稀疏（例，每一个数据点的表征只有几个非零的权值）。 监督字典学习利用输入数据的结构和给定的标签（输出）来优化字典。 这个方案的优化目标包括最小化分类误差，表征误差，权值的1范数（L1正则化）和分类器参数的2范数。
1.7K20发布于 2020-11-13 - 来自专栏SIGAI学习与实践平台
网络表征学习综述
：第一，我们要学习一种低维度的向量表示网络节点，将节点映射到相应的向量空间，这种网络表征学习就是关于图结构的网络表征学习，也称网络嵌入；第二，我们的表示不仅仅可以表征网络结构，同时也可以表征节点本身自带的属性 ，这种表征学习，就是伴随节点属性的网络表征学习。 这种结构的特殊性在于每个节点的邻居个数是固定的（每个节点有6个邻居，H,W,C维度各2个），所以神经网络的卷积可以很轻松地做到参数共享。 如果大家想详细了解图卷积的理论知识的话，可以参考论文【5】，或者网址【6】中的回答。 首先类比连续信号的傅立叶变换?(?) = F[?(?)] = ∫ ?(?)?−?????，其中?−??? Spectral networks and locally connected networks on graphs." arXiv preprint arXiv:1312.6203 (2013). 【6】
1.9K30发布于 2018-09-29 - 来自专栏云计算linux
ES6技术
ES6技术 一.ES6基础和语法 1.JavaScript和ECMAScript的关联 JavaScript之前是LiveScript，具体的资料，大家自己查一下百度。 ECMA第39号技术委员会 (TC39): 负责制定和审核ECMA-262标准，成员由业内的大公司派出的工程师组成，目前共25个人。该委员会定期开会，所有的邮件讨论和会议记录，都是公开的。 ES6泛指ES6之后的版本，再往后，ESNEXT。 padStart(数字>=字符串长度,补全的字符) console.log(str.padEnd(5).length); 7.2 模板字符串 反引号 嵌入变量写法 运算操作 调用函数 用途 ES6增加一个新的技术 接下来，看看ES6是如何写的呢？ 6.2 ES6类的定义： <!
43810编辑于 2024-12-19 - 来自专栏GiantPandaCV
ICLR 2024 最新研究 DYST 技术让视频表征更精准、更智能
ICLR 2024 最新研究 DYST 技术让视频表征更精准、更智能 1. 论文信息 2. 讨论 论文提出的方法是一种先进的视觉表示学习技术，专注于从单目视频中提取和利用动态场景的3D结构和动态变化。 6. 结论 在这项工作中，我们提出了DyST，这是一种新颖的动态3D视觉场景生成建模方法，它允许独立控制相机和场景内容。
62810编辑于 2024-03-20 - 来自专栏又见苍岚
表征学习 Contrastive Loss
F表示两点间弹簧的作用力，K是弹簧的劲度系数，X为弹簧拉伸或收缩的长度，弹簧静止状态时X=0.
74710编辑于 2022-08-09 - 来自专栏十二惊惶的网络安全研究记录
IPv6过渡技术
IPv6过渡技术 # 理解使用隧道机制实现IPv6穿越IPv4的原理 # 掌握6to4自动隧道、ISATAP自动隧道的实现机制 # 掌握Win 7下配置6to4路由器、ISATAP路由器的方法 [TOC ，以避免过多的浪费 过渡时期采用技术的选择 双栈技术(Dual Stack) 让IPv4和IPv6共存于同一设备和网络中(RFC 2893)，采用该技术的节点上同时运行IPv4和IPv6两套协议栈 对IPv4 双栈技术的特点 双栈技术是一切过渡技术的基础，隧道机制和翻译机制都要利用双栈节点 双栈技术应该能独立的配置IPv4和IPv6地址 双栈技术的优点是互通性好，易于理解；缺点是需要给每个新的运行IPv6 其中前缀可以是链路本地地址前缀、站点本地前缀和全球前缀(包括6to4前缀) 协议转换技术 NAT技术 NAT有三种类型:静态NAT;动态NAT;网络地址端口转换NAPT 对于IPv4向IPv6过渡机制来讲 ；IPv6网络之间的互通 lPv6过渡时期建议采用的过渡原则: 能直接建立IPv6链路的情况下，使用纯IPv6路由 不能使用IPv6链路的情况下，IPv6节点间使用隧道技术 双栈的IPv4/IPv6
83110编辑于 2024-02-28 - 来自专栏测试GO材料测试
前沿实验室丨形貌与晶体结构表征技术全解析
前沿实验室形貌与晶体结构表征技术全解析在新能源材料研发的赛道上，每一次突破都始于对材料微观世界的精准洞察。 测试GO前沿实验室依托国际领先的表征平台，提供创新的前沿表征方案与技术支持，打造五大"科研利刃"，帮助您发掘新质内容，实现科研突破，提升论文档次，迈向学术高峰。 晶体取向分布分析通过电子背散射衍射（EBSD）或XRD极图技术，构建晶粒取向的三维空间分布图，精准解析织构演化规律。 原位监测技术通过在电化学池中集成光学显微镜、质谱仪或X射线成像系统，实现对电极表面状态的全流程追踪。 相较于离线表征，原位技术能捕捉瞬态反应特征，区分主反应与副反应的贡献，为抑制枝晶生长、延长电池寿命提供关键动力学参数。
47810编辑于 2025-08-14 - 来自专栏云计算linux
ES6.Class技术
第六讲 ES6.Class 编程语言语言，都有关于类的定义和使用，java，C#，C++。使用class的关键字，js之前的版本，没有用。保留字，ES6启用了该关键字。 接下来，看看ES6是如何写的呢？ 6.2 ES6类的定义： <! html lang="en"> <head> <meta charset="UTF-8"> <title>Title</title> <script> //使用ES6来定义类 ; console.log(typeof(Person)); //输出的是一个function //证明ES6，class对应了之前的function ，使用class 类名{ //构造方法 //自定义方法 } 2.ES6 静态方法的定义和使用 3.ES6 子类继承父类的语法和使用
19910编辑于 2024-12-13 - 来自专栏ccf19881030的博客
Qt 6的技术概览
Qt 6的技术概览 Qt 6的技术概览 Qt对用户的价值体现在哪里? 新一代的QML 下一代图形 统一并且一致的工具库 增强已有的C++ API 语言支持 兼容Qt 5和增量改进 市场和技术产品结构 欢迎你的参与和反馈 Qt 6的技术概览 本文转载自Qt 6的技术概览 新一代的QML QML和Qt Quick是过去几年推动Qt增长的主要技术。使用这些技术可以直观的创建用户界面是我们产品的一个独特卖点。 QML是为Qt 5创建的，但是它有一些问题和限制。 我们将提供一个新的技术预览版本的Qt Quick与3D支持的版本，它已经包含在了Qt 5.14中，更多的信息将会在一个单独的博文中进行说明。 欢迎你的参与和反馈 在Qt 6第一个版本发布前，技术概览将逐步完善。虽然我相信本文档为Qt的下一个版本奠定了基础，但它肯定还有很多需要完善的地方。
2.9K10发布于 2020-12-22 - 来自专栏达达前端
前端技术前沿6
最终组合成的对象是 {a: 1, b: 2, c: 3, d: 4, e: 5}。
71330发布于 2019-07-03 - 来自专栏测试GO材料测试
表征技术：飞行时间二次离子质谱（TOF-SIMS）
飞行时间二次离子质谱（TOF-SIMS）是一种结合二次离子质谱与飞行时间质量分析器的表面表征技术。 该技术由Beninghoven教授团队于20世纪80年代初首次研制，后经多次迭代升级，在分析性能、数据处理效率及软件操作性方面均取得显著提升。如今，TOF-SIMS已成为成熟且应用广泛的表征手段。 现代TOF-SIMS具备高灵敏度、高空间分辨率、优异的质量分析能力及全面的化学信息解析功能，是一种多功能分析技术。 技术迭代后，Ga⁺、Au⁺（含Au₃⁺）及C60⁺成为过渡性离子源。 图6.TOF-SIMS在高铝粉煤灰(HAFA)颗粒上Al、Si、Fe、Li元素的成像分析综上所述，飞行时间二次离子质谱（TOF-SIMS）以其高灵敏度、亚纳米级分辨率及多功能分析能力，已从基础材料表征跃升为跨学科研究的核心工具
69910编辑于 2025-10-24 - 来自专栏program
Flutter技术与实战(6)
而对于企业而言，这种方式不仅具备了原生 App 良好的用户体验，以及丰富的底层能力，还同时拥有了跨平台技术开发低成本和多端体验一致性的优势，直接节省研发资源。 可以看到，在混合工程架构中，像原生工程依赖 Flutter 模块、Flutter 模块又依赖原生工程这样跨技术栈的依赖管理行为，我们实际上是通过将双方抽象为彼此对应技术栈的依赖，从而实现分层管理的：即将原生对 前 6 个阶段是 Flutter 的标准工作流，最后一个阶段是原生开发的标准工作流。 对于 Flutter 标准工作流的 6 个阶段而言，每个阶段都会涉及业务或产品特性提出的特异性要求，技术方案的选型，各阶段工作成本可用性、可靠性的衡量，以及监控相关基础服务的接入和配置等。 在原生工程中为 Flutter 模块提供基础能力支撑的过程中，面对跨技术栈的依赖管理，我们该遵循何种原则呢？
3.4K32编辑于 2022-06-29 - 来自专栏微信公众号【Java技术江湖】
后端技术杂谈6：白话虚拟化技术
https://github.com/h2pl/Java-Tutorial 喜欢的话麻烦点下Star哈 文章将同步到我的个人博客： www.how2playlife.com 该系列博文会介绍常见的后端技术 ，这对后端工程师来说是一种综合能力，我们会逐步了解搜索技术，云计算相关技术、大数据研发等常见的技术喜提，以便让你更完整地了解后端技术栈的全貌，为后续参与分布式应用的开发和学习做好准备。 如果对本系列文章有什么建议，或者是有什么疑问的话，也可以关注公众号【Java技术江湖】联系我，欢迎你参与本系列博文的创作和修订。 内核，是指的操作系统内核。 如果您想更技术的了解本文背后的原理，请看书《系统虚拟化——原理与实现》
73410发布于 2019-12-09 语音识别技术前沿：自监督学习与声学表征新突破
语音识别的演进与挑战二十年前，自动语音识别技术主要集中于小规模封闭词汇识别，例如连接数字识别系统。如今，深度学习模型已成为主流，数百万用户通过语音助手或手机转录软件将语音转换为文本。 两大前沿技术趋势自监督学习机制自监督学习使系统能够自我生成训练数据，无需人工标注。该方法借鉴了自然语言处理中BERT模型的成功经验，通过随机掩码语音片段并训练模型预测缺失部分。 新型声学表征传统梅尔频谱基于信号处理和人耳听觉机制，而新型表征不假设信号特定结构，在语音识别和合成中表现更优。最有效的表征基于自监督学习，通过无标注输入定义辅助任务生成伪标注训练数据。 技术实现与应用对比学习框架采用Barlow twins对比学习框架，使同一说话人或音素的信号在表征空间中相近，其他样本相远。 未来展望语音信号作为最平凡却又最复杂的信号之一，其技术发展仍充满探索空间。自监督学习与新型表征方法的结合，为多语言识别、自适应学习等方向开辟了新路径，持续推动着语音技术领域的创新突破。
32210编辑于 2025-09-24- 来自专栏DeepHub IMBA
ReFT(表征微调):比PeFT效果更好的新的大语言模型微调技术
PeFT 参数高效微调方法（Parameter-Efficient Fine-Tuning，PEFT）仅微调少量或额外的模型参数，固定大部分预训练参数，大大降低了计算和存储成本，同时最先进的 PEFT 技术也能实现了与全量微调相当的性能 版在输入前面的每层加入可微调的参数，增强了V1版的性能 然后就是我们熟悉的也是最长用的LoRA，这里就不多介绍了，我们可以狭义理解为LoRA是目前最好的PeFT方法，这样可以对我们下面介绍的ReFT更好的对比 表征微调
2.2K10编辑于 2024-04-15 - 来自专栏TalkPython
Python技术周刊：第 6 期
欢迎来到《Python技术周刊》这是第6期,每周六发布,让我们直接进入本周的内容。由于微信不允许外部链接,你需要点击页尾左下角”阅读原文“,才能访问文中的链接。 6、Python数据可视化指南[6] 介绍通过Python第三方库Seaborn，实现数据可视化。 6、获取IP地址的最酷的方法[18] eyep.dev，是一个工具，可以很方便、而且非常酷的方式获取你的IP地址。 人们借助于完美的灯光效果、专业妆术和图片处理技术，创做出各式各样的广告——就连模特本人最终呈现给人的形象也像换了一个人。这些就是我们所在的现代世界中的超常刺激。 6、盖子法则：锅里的水总是漫不过盖子，领导力就像一个盖子，它决定了一个人的办事效力。
53030发布于 2019-07-30 - 来自专栏网络技术联盟站
IPv6组播技术
出现于 IPv4时代的组播技术，由于其有效解决了单点发送、多点接收的问题， 实现了网络中点到多点的高效数据传送，能够大量节约网络带宽、降低网络负载，因此在 IPv6 中 的应用得到了进一步的丰富和加强。 IPv6 组播技术实现 IPv6组播地址 在介绍 IPv6组播地址之前，先简单回顾一下 IPv6的地址结构：IPv6地址的长度为 128比特，每个 IPv6地址被分为 8组，每组的 16比特用 4个十六进制数来表示 图1 IPv6组播地址格式 如图 1所示，IPv6组播地址中各字段的含义如下： 0xFF：最高 8比特为 11111111，标识此地址为 IPv6组播地址。 ，IPv6协议无关组播）和 IPv6 MBGP（IPv6 Multicast BGP，IPv6 组播 BGP）等。 ，IPv6协议无关组播—稀 疏模式） IPv6 PIM-SSM（IPv6 Protocol Independent Multicast Source-Specific Multicast，IPv6协议
5.3K20发布于 2020-07-10 - 来自专栏大模型&AIGC
6种大模型微调技术
其中Adapter由两层MLP组成，分别负责将Transformer的表征降维和升维(4) 特点只需要添加不到5%的可训练参数，即可以几乎达到全参数训练的效果在训练过程中大大节省了训练时间，做到时间有效性 input和target，则使用原始的input embedding(5) 使用方式离散和连续template token混合时，显示地插入一下anchor（离散的token）有助于template的优化(6) 当参数量达10B，效果相当于FT6.LoRA（2021）(1) 论文信息来自论文：《LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS》（2）摘要自然语言处理的一个重要范式包括在通用领域数据上进行大规模预训练 d,k)$(5) 学习目标原始的LLM，一般也是CLM (Causal Language Model/Conditional Language Model)，学习目标为而加入LoRA后，学习目标为：(6)
2.6K00编辑于 2025-05-08 - 来自专栏SDNLAB
SRv6技术课堂（一）：SRv6概述
本文系《SRv6技术课堂系列》的第一讲，后续将陆续更新各个维度的SRv6技术细节，欢迎大家批评指正。 从SRv6 SID的组成来看，SRv6同时具有路由和MPLS两种转发属性，可以融合两种转发技术的优点。 IPv4技术发展的一个重要教训是可扩展性问题，设计之初没有想到会有这么多的设备接入IP网络，由此触发了IPv6技术的发展。而IPv6技术发展的一个重要教训是可兼容性问题。 基于MPLS的承载技术用于IP Core承载，再到城域承载、移动承载，替代了帧中继、ATM、TDM等多种网络技术，实现了网络承载技术的统一。 图5 IP技术发展代际 SRv6技术的出现，实际承担了解决这些关键问题的使命： 第一个是SRv6兼容IPv6路由转发，基于IP可达性实现不同网络域间的连接更加容易，无需像MPLS那样必须引入额外信令
4.8K10发布于 2019-11-29
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