- 综合排序
- 最热优先
- 最新优先
- 来自专栏CreateAMind
视觉意识的主动推理模型
具体来说,我们提出了一个基于主动推理的视觉意识的层次化、部分可观察的马尔可夫决策过程(POMDP)模型。 重要的是,我们利用与主动推理相关的神经过程理论,在神经生物学和模型提供的模拟之间建立明确的联系。 正如我们将要展示的,手头有一个电子实验对象可以让我们证明,在当前关于视觉意识的神经科学研究中,大量不同的发现是如何被大脑功能的第一原理解释的。 结论和未来方向本文介绍了全局神经元工作空间的正式扩展——预测性全局神经元工作空间——在深度主动推理架构中实现。 除了解释和统一视觉意识的神经相关文献中不同的发现之外,这里提出的预测性全球神经元工作区模型还产生了几个经验预测和机械神经计算解释,涉及 P3 和主观报告的关系、有意识通路下推理机制的神经生物学实现以及视觉意识中预期的作用
83220编辑于 2022-04-15 - 来自专栏AI科技评论
ICML 2021 | 向抗视觉混淆的主动目标跟踪迈进
本文将重点讨论另一种复杂场景下所存在的挑战，即视觉混淆干扰对主动目标跟踪的影响。 因此，有必要就跟踪过程中存在的视觉混淆干扰问题开展研究，以实现在复杂场景下鲁棒的主动目标跟踪。 图1. 在有着多个具有相同着装的人群中跟踪目标 虽然已经有一些研究工作对被动视频跟踪中的视觉混淆干扰开展了研究，但几乎没有工作就主动跟踪场景中存在的视觉混淆干扰进行研究。 要克服视觉混淆干扰的影响，主动目标跟踪器不仅需要学习一个具有时空连续性的状态表征，还需要采取适当的控制策略移动相机，调整视角，主动避免视觉混淆在画面中的出现。 通过模仿学习，将元策略所学行为策略高效传授给基于视觉的主动目标跟踪器。
82560发布于 2021-07-27 - 来自专栏机器之心
「听觉」引导「视觉」，OmniAgent开启全模态主动感知新范式
这是一种基于「音频引导」的主动感知 Agent，通过「思考 - 行动 - 观察 - 反思」闭环，实现了从被动响应到主动探询的范式转变。 相比之下，OmniAgent 引入了一种全新的主动感知推理范式。通过在迭代反思循环中策略性地调度视频与音频理解能力，该方法有效攻克了跨模态对齐的难题，从而实现了对视听内容的细粒度理解。 .行动：根据计划，OmniAgent 会从构建的多模态工具中选取合适的工具进行调用： 事件工具：利用音频能够高效捕捉全局上下文的特性，首创音频引导事件定位，快速锁定关键时间窗口，避免对长视频进行无效的视觉扫描 总的来看，OmniAgent 证明了在全模态理解任务中，音频引导的的主动感知策略是解决跨模态对齐困难、提升细粒度推理能力的有效路径。该工作为未来的全模态 Agent 算法设计提供了新的范式参考。
21210编辑于 2026-01-12 - 来自专栏全栈程序员必看
MS WORD 表格自己主动调整列宽，自己主动变美丽，依据内容自己主动调整
这个功能就是表格的自己主动调整功能。表格的自己主动调整功能有依据内容调整表格和依据窗体调整表格。 一、表格依据内容自己主动调整 1、依据内容调整表格 主要利器之中的一个，当表格比較凌乱。 对于内容比較少的列会自己主动压缩其所占空间。使用后表格内容分布会变得比較匀称。差点儿不须要再行调整，或仅仅需简单的微调就可以达到理想的效果。 二、使用快捷键调整表格 当文档中出现数十个或数百个表格时，先要移动到要编辑表格上，再接着点每一个表格的右键，然后移动到“自己主动调整”菜单，然后移动到依据内容/窗体调整表格菜单，最后点击运行调整
1.5K20编辑于 2022-07-10 - 来自专栏新智元
ICLR2019 | 你追踪，我逃跑：一种用于主动视觉跟踪的对抗博弈机制
什么是主动视觉跟踪？ 主动视觉跟踪（Visual Active Tracking）是指智能体根据视觉观测信息主动控制相机的移动，从而实现对目标物体的跟踪（与目标保持特定距离）。 主动视觉跟踪在很多真实机器人任务中都有需求，如用无人机跟拍目标拍摄视频，智能跟随旅行箱等。要实现主动视觉跟踪，智能体需要执行一系列的子任务，如目标识别、定位、运动估计和相机控制等。 然而，传统的视觉跟踪方法的研究仅仅专注于从连续帧中提取出关于目标的2D包围框，而没有考虑如何主动控制相机移动。因此，相比于这种“被动”跟踪，主动视觉跟踪更有实际应用价值，但也带来了诸多挑战。 左图：一个机器人主动跟随目标移动（图片来自网络） 右图：对比基于强化学习的端到端主动跟踪和传统的跟踪方法[1] 深度强化学习方法有前景，但仍有局限性 在前期的工作[1][2]中，作者提出了一种用深度强化学习训练端到端的网络来完成主动视觉跟踪的方法 对于主动视觉跟踪的训练问题，不仅仅前背景物体外观的多样性，目标运动轨迹的复杂程度也将直接影响跟踪器的泛化能力。
1.8K10发布于 2019-05-08 - 来自专栏AI科技评论
ICLR2019 | 你追踪，我逃跑：一种用于主动视觉跟踪的对抗博弈机制
主动视觉跟踪（Visual Active Tracking）是指智能体根据视觉观测信息主动控制相机的移动，从而实现对目标物体的跟踪（与目标保持特定距离）。 主动视觉跟踪在很多真实机器人任务中都有需求，如用无人机跟拍目标拍摄视频，智能跟随旅行箱等。要实现主动视觉跟踪，智能体需要执行一系列的子任务，如目标识别、定位、运动估计和相机控制等。 然而，传统的视觉跟踪方法的研究仅仅专注于从连续帧中提取出关于目标的2D包围框，而没有考虑如何主动控制相机移动。因此，相比于这种“被动”跟踪，主动视觉跟踪更有实际应用价值，但也带来了诸多挑战。 ? 左图：一个机器人主动跟随目标移动（图片来自网络） 右图：对比基于强化学习的端到端主动跟踪和传统的跟踪方法[1] 深度强化学习方法有前景，但仍有局限性 在前期的工作[1][2]中，作者提出了一种用深度强化学习训练端到端的网络来完成主动视觉跟踪的方法 对于主动视觉跟踪的训练问题，不仅仅前背景物体外观的多样性，目标运动轨迹的复杂程度也将直接影响跟踪器的泛化能力。
1K20发布于 2019-05-13 - 来自专栏思影科技
眼动研究：先验知识对年轻人和老年人主动视觉和记忆的影响
Wynn等人在Journal of Experimental Psychology:General杂志发文，采用眼动方法研究了先验知识对年轻人和老年人主动视觉和记忆的影响。 研究结果表明，老年人对先验知识的过度依赖对主动视觉和记忆都有影响。 方法 被试 年轻人（YA）：24名，年龄范围18-32。 老年人（OA）：24名，年龄范围63-81。 此外，分析观看的结果表明，模式在主动视觉过程中指导眼球运动，通过眼球运动调节搜索表现。场景模式对搜索表现的行为和眼动测量的影响随着年龄的不同而不同，老年人比年轻人更依赖模式。 总结 视觉搜索中，由于年龄导致的从依赖情景记忆到依赖先验知识的转变，对主动视觉和记忆都产生了即时和持久的影响。 未来的工作应该继续探索主动视觉和记忆之间的关系，特别是与健康老化相关的注意力偏差如何调节记忆编码和检索。 原文： Wynn, J.S., Ryan, J.
80520发布于 2019-09-03 - 来自专栏DDD
主动GC,需要吗
swap加载到内存，耗时 解决思路 对于上面的原因，可以找出对应的方案： 分配小点，通过小而快的方式达到快速gc 定期检测old gen使用情况，当快要到达临界值时候(old gen使用率大于50%)主动执行 cms gc 主动Gc可能会影响服务，所以可能需要服务先下线，gc完，再上线 参考资料 CMS垃圾回收器详解 GC Algorithms: Implementations
70520发布于 2021-03-23 - 来自专栏python前行者
frida主动调用方法
frida主动调用函数 除了使用frida进行hook, 很多场景我们需要用frida主动调用app的java方法和so方法。 所以主动调用要灵活的多。 更多frida调用app方法 frida rpc视频演示: https://space.bilibili.com/430241559 frida主动调用方法分类 frida主动调用分为下面几种情况 frida 主动调用java类方法 （静态java方法） frida 主动调用native类方法 (静态native方法） frida 主动调用对象的java方法 frida 主动调用对象的native方法 frida //新创建的对象 1) 直接获取内存中对象主动调用 主动调用代码 function call_enc(str_data, n_num) { //这里写函数对应的类名 var str_cls_name
78510编辑于 2025-06-13 - 来自专栏算法进阶
主动学习概述(ActiveLearning)
一、前言 本文整理了我对主动学习的理解和最新研究的感悟，主要目的是供大家参考、讨论，一起学习和交流主动学习的技术。 例如，特斯拉等 特斯拉挑战视觉极限 https://www.bilibili.com/read/cv7621643 主动学习如何改善自动驾驶夜间行人检测【NVIDIA】 https://www.bilibili.com 难以迁移：主动学习是一种数据选择策略，那么实际应用中必然需求更通用、泛化性更好的主动学习策略。 然而，作者发现与这一现象形成鲜明对比的是：在视觉问答任务的 5 个模型和 4 个数据集中，各种各样的主动学习方法未能胜过随机选择。 Audio-Visual Video Representations： https://arxiv.org/abs/2009.09805 对比学习已被证明可以通过最大化实例的不同视图之间的互信息（MI）的下限来生成音频和视觉数据的可概括表示
80630编辑于 2023-11-16 - 来自专栏CreateAMind
—个主动设计agent
AlDA：—个基于推理的主动设计代理 从人类大脑只跟环境交互就设计算法的方式（例如，语音和对象识别、骑自行车等）中获得灵感 音频处理算法 摘要 在本文中，我们介绍了AIDA,它是一个基于推理的主动代理 在计算方面，AIDA被实现为一个主动的基于推理的代理,具有用于试验设计的期望自由能标准。 主动推理，贝叶斯试验设计，助听器，降噪，概率建模，源分离，语音增强，变分消息传递 1介绍 助听器（HA）通常配备有专门的降噪算法。 这种方法体现了基于FEP的代理，其与声学模型结合操作，并主动学习最佳的依赖于上下文的调谐参数设置。 因此，我们不会要求客户必须将视觉注意力集中在与智能手机应用程序的交互上。最多，我们希望客户轻拍一下或者做一个简单的手势，不会将任何注意力从正在进行的对话上转移开。
33131编辑于 2023-10-24 - 来自专栏CreateAMind
主动推理研究机构和主动推理生态系统
它将被版本化为一般和局部生态系统的活表示(循环和更新),描述主动推理研究所的过去、现在和未来行动。 序文 主动推理是一种基于物理学的综合方法，将认知和行为建模为预测误差的主动最小化[1–3]。 主动推理研究所&主动推理生态系统。 扩展主动推理生态系统。主动推理生态系统的恶劣性使我们能够对各种考虑领域采取积极主动的方法。在该研究所，我们在应用于上述挑战领域的努力和主动推理生态系统的新兴需求之间建立了协同作用。 主动推理涉及抽象概念、数学形式和特定术语，使得新手主动参与框架很有挑战性。鉴于主动推理的跨学科性质，学习资源必须适合主动推理和各种其他领域的边缘(如社区产生的沉浸式学习体验[113]). 人机交互中的主动推理。第四届主动推理国际研讨会。2023.可用:https://openreview.net/forum?id=BuhUs1yGu1 88.主动推理研究所。主动推理本体。
61130编辑于 2023-09-28 - 来自专栏全栈程序员必看
AC自己主动机 总结
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/117740.html原文链接：https://javaforall.cn
49910编辑于 2022-07-08 - 来自专栏卓越笔记
STF 主动添加新设备
在 stf 平台的机器，启动一个服务来接受新设备的额链接，然后再启动一个该设备的 stf 服务
62910编辑于 2023-02-18 - 来自专栏FunTester
视频是主动学习吗？
在前段时间的学习过程里，我不禁问了自己一个问题：视频学习是主动学习还是被动学习？ 先让我们看一下两者的区别。 主动学习 主动学习是一种学习者重度参与的学习方式，是一种以学习者为中心的学习方式。 从学习效率讲，自然是主动学习效率最高。所以我才会有自己的疑问。同样的，还有一个伴生的问题：看视频教程是接受信息还是接受知识？ 个人体验 主动学习是需要自己调动自己的注意力，放在学习上，或者源于自身的兴趣，总而言之是需要投入较多精力和注意力的。 主动学习是以我为中心的方式，学习的进度自然不会像视频时间流速一样，肯定是起伏的，而且每个人的起伏都不一样。能够真正内化成知识的内容会更多，因为即学即用，信息经过加工之后，更容易掌握。
1.2K20编辑于 2022-12-09 - 来自专栏全栈程序员必看
fastboot完成自己主动命令
于Ubuntu13.10后来Ubuntu 14.04上,由APT安装fastboot以及adb该工具后, 发现fastboot在主动补充一个问题，, fastboot flash 自己主动有问题完成后, 查了一下,发现是fastboot的自己主动补全脚本限制了补全规则,略微改动一下就能解决问题.
65720编辑于 2022-07-06 - 来自专栏机器学习算法与Python学习
Machine Learning -- 主动学习(AL)
主动学习已成为模式识别、机器学习和数据挖掘领域的研究热点问题。介绍了主动学习的基本思想，一些最新研究成果及其算法分析，并提出和分析了有待进一步研究的问题。 2 主动学习算法 2.1 基于委员会的主动学习算法 主动学习方法选择一定数量的分类模型，构成分类委员会。利用初始训练集训练委员会中的每个模型，并将训练完成的模型用于分类未标记样本池中的样本。 2.3 基于后验概率的主动学习算法 在后验概率主动学习算法中，后验概率反映出样本类别的确信度。该算法根据预测所得样本后验概率值的大小，对候选样本集进行排序。 3 主动学习算法分析 主动学习作为一种新的机器学习方法，其主要目标是有效地发现训练数据集中高信息量的样本，并高效地训练模型。 所有主动学习算法能够构造分类器期望的训练集，同时通过选择具有判别信息的数据点正确地划分类别边界。训练后的模型具有很强的泛化能力，从而为主动学习的研究提供了很强的实用基础。
3.2K50发布于 2018-04-04 - 来自专栏专知
【论文推荐】最新5篇图像分割相关论文—条件随机场和深度特征学习、移动端网络、长期视觉定位、主动学习、主动轮廓模型、生成对抗性网络
【导读】专知内容组整理了最近五篇视觉图像分割（Image Segmentation）相关文章，为大家进行介绍，欢迎查看! 1. Long-term Visual Localization using Semantically Segmented Images（基于用语义分割图像的长期视觉定位） ---- ---- 作者：Erik Geometry in Active Learning for Binary and Multi-class Image Segmentation（基于主动学习中几何知识的二元和多类图像分割） ---- Image Segmentation with Inhomogeneities Estimated by Orthogonal Primary Functions（利用正交主要函数进行不均匀性图像分割的主动轮廓模型估计
1.1K80发布于 2018-04-12 - 来自专栏DeepHub IMBA
细胞图像数据的主动学习
为了解决这个问题，机器学习领域出现了一个叫做主动学习的领域。主动学习是机器学习中的一种方法，它提供了一个框架，根据模型已经看到的标记数据对未标记的数据样本进行优先排序。 针对这一问题，本篇文章介绍一种对红细胞和白细胞图像分类任务的主动学习端到端工作流程。 我们的目标是将生物学和主动学习的结合，并帮助其他人使用主动学习方法解决生物学领域中类似的和更复杂的任务。 使用主动学习——展示一个模拟使用主动学习和不使用主动学习的对比实验。 细胞图像预处理 我们将使用在MIT许可的血细胞图像数据集（GitHub和Kaggle）。 主动学习 我们现在已经有了训练需要的搜有数据，现在可以开始试验使用主动学习策略是否可以通过更少的数据标记获得更高的准确性。 该框架可以轻松地使用不同的主动学习策略。他们的文档也很清晰，所以建议从它开始你的一个主动学习项目。
75420编辑于 2022-11-11 - 来自专栏CreateAMind
生命主动推理的数学描述
在第一部分的系列论文中,我们试图为足以描述这种系统的主动推理理论提供新的组成基础,特别关注在组成神经科学和人工生命社区中被称为自由能原理的框架[1],我们试图使其结构精确。 主动推理的一个核心特征是使用被称为贝叶斯推理的统计过程,它提供了一种方法,通过这种方法,系统可以反转一个统计模型(比如,原因如何产生观察结果),以便形成关于观察到的数据的原因的信念。 很容易看出这样一个推断原因的过程是如何被理解为一个感知过程的,但是主动推理的中心法则是,感知和行动都可以被呈现为贝叶斯推理的问题,行动对感知来说是“双重的” :一个系统不是改变它的内部状态(它对原因的信念 反过来,这解释了大脑中的分层系统(如视觉皮层的大部分)可以解释为“局部”回路的组合,每个回路执行一种近似贝叶斯推理的形式,称为预测编码[5]。
54410编辑于 2022-03-14
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