"GenAI在6G无线网络中的革命性应用：优化需求规划，节省能源与频谱"

Posted on 2024-07-02 in CS.AI • 8 words • 1 minute read

摘要

本文探讨了在无线网络中通过生成式人工智能（GenAI）进行战略需求规划的可能性，特别是在节省频谱和能源方面的应用。随着第六代移动通信技术（6G）的发展，GenAI被提出作为一种强大的工具，用于在无线网络中进行需求塑造，通过压缩和转换各种类型的内容（如从高带宽模式转换为低带宽模式），从而提高网络在多种使用场景下的性能，如小区切换、用户关联和负载平衡、干扰管理以及灾难场景管理。

"kNN-UE：革新自然语言处理任务中的不确定性估计"

Posted on 2024-07-02 in CS.AI • 16 words • 1 minute read

摘要

本文介绍了一种基于最近邻（k-Nearest Neighbor, kNN）的不确定性估计方法（kNN-UE），用于自然语言处理任务中的深度神经网络（DNNs），特别是预训练语言模型（PLMs）。在安全关键应用中，可信预测至关重要，但DNNs常常在不确定性估计方面存在问题，如校准不当。传统的多随机推理方法虽能缓解此问题，但其高昂的推理成本使其不切实际。kNN-UE方法通过利用邻居的距离和标签存在比率来估计不确定性，实验表明，该方法在情感分析、自然语言推理和命名实体识别任务中，无论是在域内还是域外设置下，都优于基线方法或最近的密度基方法。此外，研究还表明，通过适当的组合，引入维度缩减或近似最近邻搜索可以减少推理开销，而不会显著降低估计性能。

"LlamAr & GemmAr: 革新阿拉伯语NLP的大型语言模型微调技术"

Posted on 2024-07-02 in CS.AI • 19 words • 1 minute read

摘要

本文介绍了一种针对阿拉伯语指令调优的大型语言模型（LLM）增强方法，通过创建新的阿拉伯语指令数据集InstAr-500k，并对其进行评估和微调，以提升模型在阿拉伯语自然语言处理（NLP）任务中的性能。研究团队开发了两个先进的模型LlamAr-8B和GemmAr-7B，这些模型在多个阿拉伯语NLP基准测试中达到了最先进的性能，强调了该数据集在提升阿拉伯语语言模型能力方面的重要性。

"ReSFU：革新图像分割的特征上采样技术"

Posted on 2024-07-02 in CS.AI • 12 words • 1 minute read

摘要

本文介绍了一种基于相似性的特征上采样方法，旨在解决图像分割任务中特征上采样的基本问题。传统的相似性特征上采样方法存在一些局限性，如高分辨率（HR）查询和低分辨率（LR）关键特征未能在可控方式下对齐，相似性计算缺乏灵活性，以及邻域选择在LR特征上粗糙操作导致马赛克伪影。为了克服这些问题，作者提出了一种全新的相似性特征上采样框架——ReSFU，通过精心优化每个方法设计，实现了在直接高比例上采样中的广泛应用，并在多种分割任务中展现了卓越的通用性和部署便利性。

"RVISA：隐式情感分析的新纪元 - 结合生成与推理的力量"

Posted on 2024-07-02 in CS.AI • 11 words • 1 minute read

摘要

本文介绍了一种名为RVISA的新型两阶段推理框架，旨在提高隐式情感分析（ISA）的准确性。随着对细粒度情感分析（SA）需求的增加，隐式情感分析由于缺乏明显的线索词而成为一个重大挑战。RVISA框架利用Decoder-only（DO）大型语言模型（LLMs）的生成能力和Encoder-Decoder（ED）LLMs的推理能力，通过三跳推理提示和验证机制来训练增强的推理器。该方法在两个基准数据集上实现了最先进的ISA性能。

"S-GEAR：利用语义互联性革新动作预测技术"

Posted on 2024-07-02 in CS.AI • 17 words • 1 minute read

摘要

本文介绍了一种名为S-GEAR的新型框架，用于动作预测（action anticipation），该框架利用动作之间的语义互联性（semantic interconnectivity）。动作预测是从部分观察到的事件序列中预测未来活动，这一任务面临内在的未来不确定性和推理相互关联动作的难度。S-GEAR通过学习视觉动作原型并利用语言模型来构建它们之间的关系，从而引入语义性。该框架在四个动作预测基准测试中取得了比先前工作更好的结果，并展示了动作语义互联性的复杂影响。

"SAVE模型：革新音频-视觉分割的轻量级解决方案"

Posted on 2024-07-02 in CS.AI • 15 words • 1 minute read

摘要

本文介绍了一种名为SAVE的轻量级音频-视觉分割（AVS）模型，该模型通过适应预训练的Segment Anything Model（SAM）来高效地识别和定位视觉场景中的听觉元素。SAVE模型通过引入图像编码器适配器和残差音频编码器适配器，实现了音频-视觉特征的有效融合和交互。该方法在保持输入分辨率降低至256像素的同时，显著提高了训练和推理速度，并在多个基准测试中超越了现有的最先进方法。SAVE模型的应用前景广泛，特别是在需要精确分割的视频监控、多模态视频编辑和机器人技术等领域。

"SAVE模型：革新音频-视觉分割的轻量级解决方案"

Posted on 2024-07-02 in CS.AI • 10 words • 1 minute read

摘要

本文介绍了一种名为SAVE的轻量级音频-视觉分割（AVS）模型，该模型通过适应预训练的Segment Anything Model（SAM）来精确识别和定位视觉场景中的听觉元素。SAVE模型通过引入图像编码器适配器和残余音频编码器适配器，有效地融合了音频和视觉特征，提高了分割性能，同时降低了输入分辨率，加快了训练和推理速度。实验结果表明，SAVE模型在AVSBench数据集上显著优于现有的最先进方法，特别是在低分辨率输入下表现出色。

"TADPoLe：利用文本感知扩散模型实现零样本策略学习"

Posted on 2024-07-02 in CS.AI • 21 words • 1 minute read

摘要

本文介绍了一种名为Text-Aware Diffusion for Policy Learning (TADPoLe)的新型强化学习框架，该框架利用预训练的、冻结的文本条件扩散模型来计算密集的零样本奖励信号，以支持文本对齐的策略学习。TADPoLe的提出是为了解决在缺乏专家演示的情况下，通过强化学习训练代理实现特定目标或执行所需行为时，需要手动设计适当的奖励函数的问题。该方法假设大规模预训练生成模型编码了丰富的先验知识，可以监督策略不仅以文本对齐的方式行为，而且与从互联网规模训练数据中总结的自然性概念相一致。实验证明，TADPoLe能够在Humanoid和Dog环境中，以及Meta-World环境中的机器人操作任务中，学习由自然语言指定的新的目标达成和连续运动行为。这些行为是在没有地面真实奖励或专家演示的情况下零样本学习的，并且在人类评估中被认为在质量上更自然。

"VLM-PC：革新四足机器人自主导航的未来技术"

Posted on 2024-07-02 in CS.AI • 11 words • 1 minute read

摘要

本文介绍了一种名为VLM-Predictive Control (VLM-PC)的系统，该系统利用视觉-语言模型（VLMs）的常识推理能力，使四足机器人能够适应各种复杂的现实环境。VLM-PC通过结合上下文适应和未来技能规划两个关键组件，使机器人能够在没有详细人类指导的情况下，自主感知、导航和行动。研究团队在Go1四足机器人上进行了多项挑战性实验，结果显示VLM-PC显著提高了机器人在复杂环境中的自主导航能力。

Previous Page 88 of 156 Next Page