Transformer

加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點資訊討論

TRANSFORMER，作詞：Kenzie（韓文），T-Crash（中文），作曲： Kenzie / Jonathan Yip /Jonathan Yip / Ray Romulus / Ray McCullough，演唱：EXO。

TRANSFORMER，作詞：Kenzie（韓文），T-Crash（中文），作曲： Kenzie / Jonathan Yip /Jonathan Yip / Ray Romulus / Ray McCullough，演唱：EXO。收起

查看更多
  • 自動駕駛中一直說的BEV+Transformer到底是個啥？
    在很多車企的自動駕駛介紹中，都會聽到一個關鍵技術，那就是BEV+Transformer，那BEV+Transformer到底是個啥？為什么很多車企在自動駕駛技術中都十分追捧這項技術？其實“BEV（Bird’s Eye View）+Transformer”是兩個方向的技術，BEV是一種全新的3D坐標系，而Transformer則是一種深度學習神經(jīng)網(wǎng)絡模型，BEV+Transformer的組合方案在感知、理解和預測方面表現(xiàn)得更為強大，徹底終結了2D直視圖+CNN時代。
    自動駕駛中一直說的BEV+Transformer到底是個啥？
  • EdgeNAT: 高效邊緣檢測的 Transformer
    邊緣檢測是許多計算機視覺任務的基礎，旨在從輸入圖像中精確提取物體邊界和視覺顯著的邊緣。然而，由于圖像中存在遠距離物體、復雜背景中的模糊邊界以及物體內部的顏色變化等挑戰(zhàn)，邊緣檢測任務變得十分困難。傳統(tǒng)的邊緣檢測方法主要依賴于顏色和紋理等局部信息，而基于卷積神經(jīng)網(wǎng)絡（CNN）的深度學習方法雖然可以擴展感受野以捕捉全局特征，但容易丟失細節(jié)信息。
  • 智駕行業(yè)BEV+Transformer到端到端“追熱詞”為奪技術終局優(yōu)勢？
    自去年以來，業(yè)界不斷討論和提及“BEV+Transformer”這一概念，即鳥瞰視圖與基于自注意力機制的神經(jīng)網(wǎng)絡架構。卷了半年時間，今年，“端到端”這一概念又迅速成為人們熱議的焦點。這兩個概念看似截然不同，實則在視覺路線建立的基于Transformer 的架構上有著共通之處，也共同印證了人工智能技術從深度學習向多模態(tài)大模型演進的趨勢。汽車領域始終處于自動駕駛技術革新的前沿。
    智駕行業(yè)BEV+Transformer到端到端“追熱詞”為奪技術終局優(yōu)勢？
  • RefMask3D: 基于語言引導的3D指代分割Transformer
    論文 RefMask3D: Language-Guided Transformer for 3D Referring Segmentation 提出了一種新的方法來解決3D點云中的目標識別和分割問題，特別是基于語言描述的目標識別。
  • AI的未來發(fā)展：分治法在左，端到端在右
    陽萌或許是我接觸過的最懂技術的CEO：他是北大計算機本科，碩博連讀機器學習專業(yè)，但博士讀了一半就跑了；他是百億營收大廠安克創(chuàng)新的創(chuàng)始人，也曾在谷歌做搜索算法的研發(fā)；他的公司主要做的是充電寶、掃地機器人這些消費類電子產(chǎn)品，但我們聊的是人工智能、芯片等等硬科技。
    3322
    2024/05/17
    AI的未來發(fā)展：分治法在左，端到端在右
  • 三大角度解讀地平線征程6芯片——全面升維，加速智駕全場景落地
    地平線立足于推動智能駕駛全場景解決方案的落地，其一系列最新突破和進展，也讓業(yè)界看到了它在智駕領域的巨大潛力。未來，隨著智駕數(shù)據(jù)量的積累、視覺大模型及多模態(tài)大模型技術框架與效果的提升，智能駕駛的能力有望達到新的高度。而地平線在全棧開發(fā)方面的積累和產(chǎn)業(yè)鏈影響力，都有助于它擁抱行業(yè)未來的高速發(fā)展。
  • AI 2024：回望哇聲一片，前瞻道阻且長
    在Transformer大模型熱戰(zhàn)于云端之際，業(yè)界已經(jīng)看到了它在端側、邊緣側的市場機會。如何使Transformer在硬件設備尤其是端側和邊緣側硬件高效運行，將成為硬件廠商未來的重點方向。
    AI 2024：回望哇聲一片，前瞻道阻且長
  • 大模型是不是有點太多了？
    上個月，AI業(yè)界爆發(fā)了一場“動物戰(zhàn)爭”。一方是Meta推出的Llama（美洲駝），由于其開源的特性，歷來深受開發(fā)者社區(qū)的歡迎。NEC（日本電氣）在仔細鉆研了Llama論文和源代碼后，迅速“自主研發(fā)”出了日語版ChatGPT，幫日本解決了AI卡脖子難題。另一方則是一個名為Falcon（獵鷹）的大模型。今年5月，F(xiàn)alcon-40B問世，力壓美洲駝登頂了“開源LLM（大語言模型）排行榜”。
  • Transformer流行的背后
    許多技術公司都在大肆宣揚自己擁有比其他公司更好的處理transformer算法的解決方案。但其實業(yè)界transformer的基準測試尚未推出。Generative AI（GAI）的蓬勃發(fā)展已經(jīng)顛覆了整個AI世界，似乎是這樣。大語言模型（LLM），如ChatGPT所示，大多局限于語言建模和文本生成。但transformer（一種支撐LLM和其他GAI應用的總體深度學習架構）提供了一種可用于文本、語音、圖像、3D和視頻等數(shù)據(jù)流或任何傳感數(shù)據(jù)的模型。
    Transformer流行的背后
  • 高能低耗易部署，愛芯元智AX650N成Transformer最佳落地平臺
    近來，ChatGPT成為社會各界關注的焦點。從技術領域看，ChatGPT的爆發(fā)是深度學習領域演進、發(fā)展和突破的結果，其背后代表著Transformer結構下的大模型技術的飛速進展。因此，如何在端側、邊緣側高效部署Transformer也成為用戶選擇平臺的核心考量。
    高能低耗易部署，愛芯元智AX650N成Transformer最佳落地平臺
  • 一文看懂BEVFormer技術及其背后價值
    近期，理想、蔚來、小鵬、小馬智行、百度等多家主流車企、自動駕駛方案解決商推出相關量產(chǎn)方案。一時間，BEV越發(fā)“火”了起來。
    一文看懂BEVFormer技術及其背后價值
  • 存算一體視覺SoC 破解端側Transformer處理難題
    目前，AI模型的主干網(wǎng)絡正從CNN轉變?yōu)門ransformer，因為后者具有精度高、全局性特征、多模態(tài)和遷移性強的特點。在云端，用Transformer已經(jīng)可以實現(xiàn)虛擬教師、AI智能對話（例如ChatGPT），代碼自動生成等場景，可以用GPU加速計算Transformer，但在端側——如機器人、智慧教育等場景——目前的處理器在Transformer的加速計算上還面臨難題。
    存算一體視覺SoC 破解端側Transformer處理難題
  • ?Transformer+CNN，引領新一代AI發(fā)展
    視覺應用作為人工智能最普及的基礎設施層，重要性卻不言而喻。它可以說是人工智能機器的‘眼睛’，賦予它感知的能力，使它能夠‘看懂’這個世界。而計算機視覺中的深度神經(jīng)網(wǎng)絡（DNN）架構則是這雙眼睛的‘視網(wǎng)膜’，賦予了它可視的源泉。
  • 如何實現(xiàn)“輕高精地圖”的城市NOH？毫末自動駕駛的8大亮點
    4月19日，毫末的AI DAY，在這次發(fā)布會的前后一周，毫末技術總監(jiān)潘興也有一次與媒體的溝通，并在分享結束后接受了媒體群訪，從演講到訪談同樣是干貨滿滿。

正在努力加載...