本字幕由TME AI技术生成
今天是二零二四年七月二十二日
欢迎收听ai 上下文
首先来看视频处理领域的突破性进展
美图影像研究院
中国科学院大学和四川大学的研究人员联手开发出一种名为blaze bvd 的新算法
可以自动消除视频中的闪烁问题
这个算法的处理速度比现有方法快十倍
而且无需事先知道视频闪烁的具体类型或程度
Blaze bvd 通过三个阶段进行处理
首先使用ste 对视频真直方图进行校正
提取重要信息
然后通过全局和局部闪烁去除模块进行修复
最后引入轻量级时序网络和自适应掩膜加权损失进行完善
实验结果表明
Blaace bvd 在psn 二
Ssim 等指标上超越了现有基线方法
能有效处理各种闪烁问题
这项研究成果已被计算机视觉顶级会议eccv 二零二四接收
接下来让我们把目光转向ai 在影视制作领域的应用
国内首部aigc 原创奇幻微短剧山海奇境之劈波斩浪近日举行了线下看片会
这部短剧以山海经为灵感
构建了一个上古神话世界
全片画面由ai 制作
标志着ai 技术在影视制作领域取得重大突破
观众对剧中ai 生成的高质量画面和特笑给予了高度评价
导演陈坤分享了创作过程
强调ai 大大提升了创作效率
并降低了成本
快手视觉生成与互动中心负责人介绍了可林ai 对该剧的技术支持
快手文娱业务负责人表示
Aigc 技术将大幅提高短剧创作效率
快手已推出相关创作者孵化计划
该剧将于七月十三日
在快手星芒短剧独播
展现ai 短剧的无限可能
在数学领域
Ai 也正在展现其强大实力
近日
著名数学家陶哲轩在国际数学奥赛emo 上给一支ai 团队nomina 颁发了ai 数学奥林匹克竞赛aimo 首个进步奖
Nomi aa 团队开发的nomina math 七b 模型在五十道emo 预选赛级别的测试题中
成功解决了二十九道
成为数学推理领域最好的七b 模型之一
该团队将模型数据代码和训练过程全部开源
Nominea 是一个独立的非盈利组织
旨在引领ai 数学领域的开放研究
他们通过微调deep signmh base 七b 模型
使用近一百万道数学题数据集进行训练
让模型能够结合自然语言推理和排放代码验证来解决数学问题
Nominea 团队的目标是打造ai 数学领域的image net 数据集
推动该领域的开放研究和快速速发展
在ai 模型架构研究方面
前谷歌科学家et 发布了一篇博客文章
探讨llm 时代模型架构的演变
它分析了bert 等encoder only 模型被t 五等encoder decoder 模型取代的原因
以及去噪目标在预训练中的作用
Et 指出
Bert 模型被弃用
主要是因为人们希望用一个统一的模型完成所有任务
而encoder decoder 和decoder only 模型更适合这一需求
他认为去噪目标作为辅助目标
可以补充语言建模
但不应作为独立的训练目标
Ek 还讨论了encoder decoder 架构的优缺点
指出他在处理上下文方面有优势
但在输入长度固定方面存在局限
他强调了解不同模型架构的细微差别
对未来创新很重要
这是ek 计划推出的llm 时代模型架构系列博客的第一篇
是
在医疗领域
Ai 也带来了令人振奋的突破
剑桥大学研究人员开发了一种新的人工智能模型
可以更准确的预测阿尔茨海默症的进展
该模型利用认知测试和mri 扫描数据
准确预测了五分之四轻度认知障碍患者是否会发展为阿尔茨海默病
与临床诊断相比
这种ai 解决方案在预测疾病进展方面的准确率高出三倍
研究人员使用来自美国
英国和新加坡的一千五百多名参与者的数据对模型进行了训练和测试
该模型不仅可以识别可能患病的人
还能将患者分为症状稳定
缓慢发展和快速发展三组
有助于早期干预和个性化治疗
研究人员表示
这种ai 工具可以帮助临床医生及早发现患病群体
并减少不必要的昂贵诊断测试
最后
让我们关注一下小型语言模型的发展
苹果公司最近发布了七十亿参数的小型语言模型dclm
性能超越了mss
Rao 七b
接近lma 三和jama
Dclm 系列包括七十亿和十四亿两种参数规模
全部开源发布
包括权重
训练代码和数据集
Dclm 七b 在五short mml 任务上达到百分之六十三点七的准确率
比之前的sota 模型提升了六点六个百分点
Dclmeb 的性能也显著优于同等规模的其他模型
这次发布标志着小模型时代的到来
多家科技巨头纷纷入局小模型竞争
小模型具有成本低
速度快
更专业的优势可能是未来ai 发展的重要方向之一
然而大模型仍然在复杂任务和通用智能方面保持优势
今天的新闻播报完了
感谢你的聆听
