探索研究院
- 作品数：10 被引量：0H指数：0
- 相关机构：澳大利亚科学院复旦大学悉尼大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术哲学宗教文化科学经济管理更多>>
- 共焦干涉显微镜的背景补偿
- 一个系统在测量在焦像时能把在焦像从离焦像分离出来，从而既减小了系统误差又减小了统计误差。该系统从一个点光源(10)产生一个探测光束(P22B)和一个参考光束(R22B)，并在参考光束(R22B)中产生反对称的空间性质。作...
- 亨利·A·希尔
- 数字说话人视频生成综述
- 2023年
- 近年来,基于深度学习的生成技术显著推动了虚拟数字人技术的发展.针对当前虚拟数字人研究中的热点问题——数字说话人视频生成进行综述,其在电影配音、动画制作、虚拟助手等场景中具有重要的应用前景.文中从数据集、关键技术、评估策略3个方面,对数字说话人视频生成技术及研究现状做了较系统的梳理与总结,介绍了其生成过程中涉及的视觉生成、图像识别、语音识别、跨模态分析等多项人工智能的关键技术机器发展演进过程;从数据、模型、评估策略等方面指出该方向需要迫切解决的问题,并通过这些问题展望其未来的发展方向,以期能对该领域的研究者有所帮助和启发,促进该方向的发展.
- 宋一飞张炜陈智能姜育刚
- 关键词：多模态融合
- AIGC赋能百业,助力产业升级迭代
- 2023年
- 在当前数字世界和物理世界加速融合的大背景下,人工智能生成内容(Artificial Intelligence Generated Content,简称AIGC)正在悄然引导着一场深刻的变革,重塑甚至颠覆数字内容的生产方式和消费模式,将极大地丰富人们的数字生活,是未来全面迈向数字文明新时代不可或缺的支撑力量。
- 无
- 关键词：人工智能AIG
- 面向深度强化学习的对抗攻防综述
- 2023年
- 深度强化学习技术以一种端到端学习的通用形式融合了深度学习的感知能力与强化学习的决策能力,在多个领域得到了广泛应用,形成了人工智能领域的研究热点.然而,由于对抗样本等攻击技术的出现,深度强化学习暴露出巨大的安全隐患.例如,通过在真实世界中打印出对抗贴纸便可以轻松地使基于深度强化学习的智能系统做出错误的决策,造成严重的损失.基于此,本文对深度强化学习领域对抗攻防技术的前沿研究进行了全面的综述,旨在把握整个领域的研究进展与方向,进一步推动深度强化学习对抗攻防技术的长足发展,助力其应用安全可靠.结合马尔科夫决策过程中可被扰动的空间,本文首先从基于状态、基于奖励以及基于动作角度的详细阐述了深度强化学习对抗攻击的进展;其次,通过与经典对抗防御算法体系进行对齐,本文从对抗训练、对抗检测、可证明鲁棒性和鲁棒学习的角度归纳总结了深度强化学习领域的对抗防御技术;最后,本文从基于对抗攻击的深度强化学习机理理解与模型增强的角度分析了对抗样本在强化学习领域的应用并讨论了领域内的挑战和未解决问题.
- 刘艾杉郭骏李思民肖宜松刘祥龙陶大程
- 共焦干涉显微镜的背景补偿
- 一个系统在测量在焦像时能把在焦像从离焦像分离出来,从而既减小了系统误差又减小了统计误差。该系统从一个点光源(10)产生一个探测光束(P22B)和一个参考光束(R22B),并在参考光束(R22B)中产生反对称的空间性质。作...
- 亨利·A·希尔
- 文献传递
- 使用波数域反射技术及背景振幅减少和补偿的共焦干涉显微术的的方法和设备
- 一物体(112)内和/或上的一区域的在焦图象通过以下方法被从离焦图象分离出来,从而既减小了该物体的图象信息中的误差:从一个宽带点光源(90)产生一个探测光束(P22B)和一个参考光束(R22B);产生参考光束的反对称空间...
- 亨利·A·希尔
- 文献传递
- 可信AI的前世今生
- 2021年
- 人工智能并不是一个新的概念,从1950年的图灵之问开始,到今天产业的蓬勃发展。随着人工智能广泛的产业落地带来的诸多问题,AI面临越来越多的可信挑战,例如AI系统的不确定性导致潜在的安全问题;可解释性的缺乏限制了AI更广泛的应用与赋能;AI系统如何在使用数据的同时保护用户隐私等。构筑可信AI已成为全球共识,2016年欧盟颁布了《通用数据保护条例(GDPR)》;2017年12月,IEEE提出了《人工智能的伦理设计准则》,之后澳洲、美国、新加坡等都提出了相关的政策、指南或白皮书。
- 陶大程
- 关键词：数据保护可解释性用户隐私AI前世今生不确定性
- 基于联合对抗训练的鲁棒度量迁移
- 2023年
- 迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移的源域度量,然后设计了一种通用的深度异质迁移算法来进行高效的迁移学习.值得注意的是,将源域度量以联合对抗学习的方式进行训练,再以深度神经网络的方式将其参数化表示并对其进行迁移.迁移中通过表征模仿的方式来学习源域度量中的知识,这种方式允许源域和目标域中的知识来自于异质域.此外,严格限制目标度量网络的大小,使得目标网络更够进行高效的推理计算.在人脸识别数据集上的实验展现了本方法的有效性.
- 杨乾成罗勇胡晗周昕杜博陶大程
- 使用波数域反射技术及背景振幅减少和补偿的多层共焦干涉显微术
- 一物体(112)内和/或上的一区域的在焦图象通过以下方法被从离焦图象分离出来,从而既减小了该物体的图象信息中的误差:从一个宽带点光源(90)产生一个探测光束(P22B)和一个参考光束(R22B);产生参考光束的反对称空间...
- 亨利·A·西尔
- 文献传递
- 从ChatGPT到言犀 大模型发展及产业化落地
- 2023年
- 作为产业界的技术人员,我们很关心最新的趋势,大模型、大算力、大数据带来的新智能涌现会对产业界会带来什么样的影响?对工业界会带来什么样的应用场景?ChatGPT带来万亿美元商业机会其实,人工智能经历了较长的发展过程。最早甚至可以追溯到图灵测试提出之前的“电子脑”概念。
- 何晓冬
- 关键词：人工智能大数据技术人员图灵测试CHAT产业界
