新闻中心 NEWS CENTER
公司新闻
您现在的位置:首页 > 新闻中心 > 公司新闻
正泰线缆队伍成长中!

synthesizepoliciesfortransferandadaptationacrossenvironmentsandta

这项研究由腾讯ailab和南加州大学合作主导完成,是本届nips的sp

near-optimalnon-convexoptimizationvi

这项研究由北京大学与腾讯ailab合作完成,探索了一种用于快速随机求

exponentiallyweightedimitationlear

这项研究由腾讯ailab独立完成,主要研究了仅使用成批量的历史数据的深度策略学习。这篇文章中我们主要考虑的。

导语:亮风台提出的基于约束置信度的鲁棒跟踪算法(ccm),提高了在局部遮挡、光照变化和运动模糊等各种因素干扰情况下的鲁棒性。

雷锋网(公众号:雷锋网)近日消息,ar公司亮风台在2dar跟踪方面取得了新突破,其研发人员提出的基于约束置信度的鲁棒跟踪算法

据了解,这两年亮风台依然有不少工作在针对2dar的算法优化,在2017年的icra上发表了针对光照变化的基于梯度方向的ar跟

基于约束置信度的鲁棒跟踪算法(ccm)跟踪平面物体,例如2d标记,通常是

不同与传统的基于模板的跟踪方法,ccm(constrainedcon

给定目标的初始图像或位置,新方法(即ccm)自动从视频中跟踪定位目标所在位置。

第一步:从视频第一帧中提取目标区域作为模板t;

第二步:从视频读取下一帧图像it;

第三步:在图像it中跟踪匹配目标;

第四步:根据第三步的跟踪结果更新模板t。

第五步:跳转到步骤二处理下一帧图像。

测试结果为了彻底评估,ccm算法在两个公共数据集上进行了测试:加利福

导语:美图近年不但学术实力获得世界各大顶级人工智能会议的肯定,还将学术成

今年7月以来,美图秀秀在海外突然开启了「霸榜」模式。在前后一个多月的时间

这一切的幕后推手,是美图公司利用人工智能技术推出的绘画机器人andy。这

而在刚刚过去的这个夏天,andy上线了新的绘画风格「summer效果」

在人工智能的加持下,美图秀秀在海外多国圈粉无数,在应用市场的排名也持续飙

产品的优秀成绩自然不可小觑,而背后则是美图公司在学术领域的发力。在2

这些成绩的背后,是美图在人工智能(特别是在计算机视觉领域)上

美图人工智能的「名利双收」

在ai测肤上的创新与突破,是人工智能让美图「名利双收」的绝佳案例。

今年8月,美图影像实验室(mtlab)在isicchallenge2018大赛斩获了皮肤癌

实际上,美图从2017年就开始着手ai测肤技术的研究,并以这一技术为核心,

这种「检测—推荐—购买」的独特美肤体验,是美图在竞争激烈的美妆电商脱颖而出的关键。根据

早在去年底,美图的ai测肤技术已经在肤龄、肤色、黑头、黑眼圈、痘痘这五个

为了参加这次isicchallenge2018的比赛,美图影像实验室

eccv2018|10篇论文+5项世界第一,记旷视科技eccv之旅本文作

当地时间9月14日,欧洲计算机视觉顶级学术会议eccv2018在德国慕

长期以来,计算机视觉三大学术顶会cvpr、eccv和iccv一起发挥着举足轻重的平台担当作用,帮助产学研各方代表展示技术实力,增进学术交流。旷视科技作为全球人工智能独角兽代表

这次的eccv2018,旷视科技同样保持着较高的参与度并收获颇丰:&nb

下文将一一呈现旷视科技eccv之行的点滴瞬间。

10篇接收论文全面展现技术硬实力 据eccv2018官网信息,

具体而言,旷视科技在以下技术领域实现新突破:网络架构设计(1篇)、通用物体检测(

神经网络架构设计领域,shufflenetv2:practicalguidelinesforefficientcnnarchitecturedesign不仅授

通用物体检测方面,旷视科技通过设计1)新型骨干网络detnet和2)目标定

detnet:abackbonenetworkforobjectdetection 的设计灵感源自图像分类与物体检测任务之间存在的落差。详细讲,detnet针对

导语:eccv2018大会上,京东ai研究院的表现不错哦~京东ai研究院+

雷锋网获悉,本次京东ai研究院不仅有3篇论文被eccv2018收录,还在eccv大会举办的视觉领域迁移学习挑战赛夺得两项冠军、视觉领域widerface&pedestrian挑战赛(行人检测任务

3篇收录论文,从图像描述、视频动作检测、视觉问答三个方面创新算法京东ai研

《探索图像描述的视觉关系》(exploringvisualrelatio

对于人类而言,当他看到一幅图像时不仅能知道图像中包含的物体场

基于此,京东ai研究院设计了一个基于图卷积网络(graphconvo

(1)对于输入的图像,物体检测模块首先检测图像中包含的物体,并获得每个物

(2)接着在基于图卷积网络的图像编码器模块中,图卷积网络会分别作用于物体间的语义关系图和空间关系图上

上一篇: 纳德拉:仅用一年就改变了微软 下一篇: 无