Phân đoạn ngữ nghĩa hiệu suất cao sử dụng mạng tích chập hoàn…

Các nhà nghiên cứu tại Đại học Carnegie Mellon đã phát triển một phương pháp mới để tạo ra các hình ảnh 3D có độ phân giải cao từ các mô hình ngôn ngữ lớn (LLM) như GPT-4. Phương pháp này, được gọi là "LLM-grounded Diffusion" (LGD), kết hợp khả năng hiểu ngữ nghĩa của LLM với khả năng tạo hình ảnh của các mô hình khuếch tán (diffusion models) để tạo ra các hình ảnh 3D chi tiết và chân thực. LGD hoạt động bằng cách sử dụng LLM để tạo ra một mô tả văn bản chi tiết về đối tượng 3D mong muốn. Mô tả này sau đó được đưa vào một mô hình khuếch tán để tạo ra một hình ảnh 2D của đối tượng. Cuối cùng, hình ảnh 2D này được sử dụng để tạo ra một mô hình 3D của đối tượng. Các nhà nghiên cứu đã chứng minh rằng LGD có thể tạo ra các hình ảnh 3D chất lượng cao cho nhiều loại đối tượng khác nhau, bao gồm đồ vật, động vật và con người. Họ cũng đã chỉ ra rằng LGD có thể được sử dụng để tạo ra các hình ảnh 3D từ các mô tả văn bản mơ hồ hoặc không đầy đủ. LGD có một số ưu điểm so với các phương pháp tạo hình ảnh 3D hiện có. Thứ nhất, LGD có thể tạo ra các hình ảnh 3D có độ phân giải cao hơn. Thứ hai, LGD có thể tạo ra các hình ảnh 3D từ các mô tả văn bản mơ hồ hoặc không đầy đủ. Thứ ba, LGD có thể được sử dụng để tạo ra các hình ảnh 3D cho nhiều loại đối tượng khác nhau. LGD có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm thiết kế sản phẩm, trò chơi điện tử, thực tế ảo và y học. Ví dụ, LGD có thể được sử dụng để tạo ra các mô hình 3D của các sản phẩm mới, các nhân vật trong trò chơi điện tử hoặc các cơ quan nội tạng để phục vụ mục đích y tế. Các nhà nghiên cứu đã công bố mã nguồn và dữ liệu của LGD trên GitHub.

Paperium Đăng ngày 24/5 • Xuất bản lần đầu tại paperium.net Phân đoạn ngữ nghĩa hiệu suất cao sử dụng mạng tích chập hoàn toàn rất sâu #ai #deeplearning #computerscience #machinelearning AI (Loạt bài gồm 3209 phần) 1 Học tập của tác nhân thông qua kinh nghiệm ban đầu 2 MM-HELIX: Tăng cường suy luận phản chiếu chuỗi dài đa phương thức với nền tảng toàn diện và tối ưu hóa chính sách lai thích ứng ... 3205 phần khác... 3 MemMamba: Suy nghĩ lại các mẫu bộ nhớ trong mô hình không gian trạng thái 4 UniVideo: Hiểu, tạo và chỉnh sửa video thống nhất 5 VideoCanvas: Hoàn thiện video thống nhất từ các bản vá không gian-thời gian tùy ý thông qua điều kiện theo ngữ cảnh 6 DreamOmni2: Chỉnh sửa và tạo đa phương thức dựa trên hướng dẫn 7 Từ cái gì đến tại sao: Một hệ thống đa tác nhân để suy luận điều kiện phản ứng hóa học dựa trên bằng chứng 8 Nhận thức siêu việt tăng cường các mô hình suy luận: Học tăng cường tự căn chỉnh 9 Khi suy nghĩ gặp sự thật: Suy luận có thể tái sử dụng cho các mô hình ngôn ngữ lớn (LLM) ngữ cảnh dài 10 Các token có xác suất thấp duy trì khám phá trong học tăng cường với phần thưởng có thể kiểm chứng 11 Điệu nhảy căn chỉnh: Cùng huấn luyện các tác nhân để hợp tác vì sự an toàn 12 Tối ưu hóa chính sách tương đối nhóm không cần huấn luyện 13 Tăng cường lai: Khi phần thưởng thưa thớt, tốt hơn là nên dày đặc 14 NewtonBench: Đánh giá khám phá luật khoa học tổng quát trong các tác nhân LLM 15 ARTDECO: Hướng tới tái tạo 3D hiệu quả và độ trung thực cao tức thì với biểu diễn cảnh có cấu trúc 16 DeepPrune: Mở rộng song song không có sự dư thừa giữa các dấu vết 17 Lần thử đầu tiên quan trọng: Xem xét lại vai trò của sự phản ánh trong các mô hình suy luận 18 LLM học cách lừa dối một cách vô ý: Sự sai lệch xuất hiện trong sự không trung thực từ các mẫu sai lệch đến tương tác người-AI thiên vị 19 UniMMVSR: Một khung đa phương thức thống nhất cho siêu phân giải video xếp tầng 20 NaViL: Suy nghĩ lại các thuộc tính mở rộng của các mô hình ngôn ngữ lớn đa phương thức gốc dưới các ràng buộc dữ liệu 21 CoMAS: Các hệ thống đa tác nhân cùng tiến hóa thông qua phần thưởng tương tác 22 PickStyle: Chuyển đổi kiểu video sang video với bộ điều hợp kiểu ngữ cảnh 23 UNIDOC-BENCH: Một điểm chuẩn thống nhất cho RAG đa phương thức tập trung vào tài liệu 24 InstructX: Hướng tới chỉnh sửa hình ảnh thống nhất với hướng dẫn MLLM 25 LongRM: Tiết lộ và mở khóa ranh giới ngữ cảnh của mô hình hóa phần thưởng 26 Học trong công việc: Một tác nhân tự tiến hóa dựa trên kinh nghiệm cho các nhiệm vụ dài hạn 27 Tăng cường các mô hình khuếch tán bằng cách tối ưu hóa ưu tiên nhóm trực tiếp 28 Kiểm soát tạo video chuyển văn bản thành âm thanh thông qua điều kiện và tương tác phương thức nâng cao 29 Kích hoạt điều hòa Entropy: Tăng cường kiểm soát liên tục, các mô hình ngôn ngữ lớn và phân loại hình ảnh với kích hoạt như 30 Truy xuất và củng cố bộ nhớ trong các mô hình ngôn ngữ lớn thông qua các token chức năng 31 Tái chế các điểm kiểm tra được huấn luyện trước: Tăng trưởng trực giao của hỗn hợp chuyên gia để huấn luyện trước mô hình ngôn ngữ lớn hiệu quả 32 GCPO: Khi độ tương phản thất bại, hãy chọn vàng 33 UP2You: Tái tạo nhanh chóng bản thân từ các bộ sưu tập ảnh không giới hạn 34 OmniRetarget: Tạo dữ liệu bảo toàn tương tác cho thao tác loco-manipulation toàn thân hình người và tương tác cảnh 35 DexNDM: Thu hẹp khoảng cách thực tế cho xoay trong tay khéo léo thông qua mô hình động lực học thần kinh khớp nối 36. A^2Search: Trả lời câu hỏi nhận biết sự mơ hồ bằng học tăng cường. 37. Học cách định tuyến các mô hình ngôn ngữ lớn (LLM) từ phản hồi Bandit: Một chính sách, nhiều sự đánh đổi. 38. Search-R3: Thống nhất suy luận và tạo nhúng trong các mô hình ngôn ngữ lớn. 39. R2RGEN: Tạo dữ liệu 3D từ thực tế sang thực tế để thao tác tổng quát hóa không gian. 40. Drive&Gen: Đồng đánh giá các mô hình lái xe đầu cuối và tạo video. 41. Vượt ra ngoài các giá trị ngoại lệ: Một nghiên cứu về các bộ tối ưu hóa dưới lượng tử hóa. 42. SViM3D: Khuếch tán vật liệu video ổn định để tạo 3D từ một hình ảnh. 43. GyroSwin: Các mô hình thay thế 5D cho mô phỏng nhiễu loạn plasma Gyrokinetic. 44. Hướng tới chỉnh sửa 3D có thể mở rộng và nhất quán. 45. Sử dụng mạng trực tuyến nếu có thể: Hướng tới học tăng cường nhanh và ổn định. 46. Thành phần dữ liệu nhận biết độ trung thực để tổng quát hóa robot mạnh mẽ. 47. SciVideoBench: Đánh giá khả năng suy luận video khoa học trong các mô hình đa phương thức lớn. 48. Khuếch tán quy mô lớn thông qua tính nhất quán theo thời gian liên tục được điều chỉnh theo điểm số. 49. Vượt qua giới hạn lượt: Huấn luyện các tác nhân tìm kiếm sâu với cửa sổ ngữ cảnh động. 50. OpenRubrics: Hướng tới tạo tiêu chí tổng hợp có thể mở rộng để mô hình hóa phần thưởng và căn chỉnh LLM. 51. Tư duy bằng camera: Một mô hình đa phương thức thống nhất để hiểu và tạo lấy camera làm trung tâm. 52. D2E: Mở rộng đào tạo trước thị giác-hành động trên dữ liệu máy tính để chuyển sang AI thể hiện. 53. TAG: Hướng dẫn khuếch đại tiếp tuyến để lấy mẫu khuếch tán chống ảo giác. 54. Tối ưu hóa lời nhắc đa phương thức: Tại sao không tận dụng nhiều phương thức cho MLLM. 55. AutoPR: Hãy tự động hóa việc thăng tiến học thuật của bạn! 56. R-Horizon: Mô hình suy luận lớn của bạn thực sự có thể đi xa đến đâu về chiều rộng và chiều sâu? 57. Webscale-RL: Quy trình dữ liệu tự động để mở rộng dữ liệu RL đến cấp độ đào tạo trước. 58. SpaceVista: Suy luận không gian trực quan mọi quy mô từ mm đến km. 59. StreamingVLM: Hiểu biết thời gian thực cho các luồng video vô hạn. 60. Đừng lãng phí sai lầm: Tận dụng các nhóm RL tiêu cực thông qua việc điều chỉnh lại độ tin cậy. 61. ARES: Suy luận thích ứng đa phương thức thông qua định hình entropy cấp mã thông báo nhận biết độ khó. 62. KORMo: Mô hình suy luận mở tiếng Hàn cho mọi người. 63. DISCO: Đa dạng hóa cô đặc mẫu để đánh giá mô hình hiệu quả. 64. Kết nối suy luận với học tập: Làm sáng tỏ ảo ảnh bằng cách tổng quát hóa độ phức tạp ngoài phân phối. 65. Biến đổi Gaussian lũy tiến với Aniso.