ConvNets和其他神经体系结构在计算机视觉方面的成功应用是过去十年人工智能革命的核心。对于可扩展视觉架构的强烈需求是既小又大。小型模型代表了对效率的需求，因为视觉识别系统通常部署在边缘设备上;大型模型强调了对可扩展性的追求——利用日益丰富的计算和数据实现更高精度的能力。这两个方向的研究都是卓有成效的，产生了许多有用的设计原则，对更多性能模型的追求从未停止。同时，文献中非常快的发展速度有时会掩盖某些方法取得良好结果的主要机制。在本论文中，我们将从两个方面展开研究:(1)开发高效灵活的ConvNet模型推理直观算法;(2)研究基线方法，揭示流行可扩展方法成功背后的原因。首先，我们将介绍我们对...

论文地址：https://arxiv.org/abs/2203.11684 代码地址：https://github.com/zju-vipa/MEAT-TIL   摘要 持续学习是一个长期的研究课题，因为它在处理不断到达的任务中起着至关重要的作用。到目前为止，计算机视觉中持续学习的研究主要局限于卷积神经网络（CNN）。然而，最近有一种趋势是新兴的视觉Transformer（ViTs）逐渐主导计算机视觉领域，这使得基于 CNN 的持续学习落后，因为如果直接应用于 ViTs，它们可能会遭受严重的性能下降。 在本文中，作者研究了 ViT 支持的持续学习，以利用 ViT 的最新进展争取更高...

本文是计算机视觉顶级会议 ECCV 2022入选论文 Domain Randomization-Enhanced Depth Simulation and Restoration for Perceiving and Grasping Specular and Transparent Objects 的解读。 该论文由北京大学王鹤课题组与阿里巴巴 XR Lab 和北京大学董豪课题组合作完成。文章研究了主动立体视觉深度相机在高光和透明材质物体上的深度修复问题并展示了深度修复对下游高光和透明物体抓取及位姿估计的重大帮助。 文章提出了基于域随机化增强的深度相机仿真方法，构造了囊括...

数据是人工智能运转的“石油”。 AI发展至今，能否获得高质量、大批量的数据已成为制约人工智能进一步发展的重要因素，因此、数据共享、融合的需求越来越强烈。 但是—— 在许多情况下，打破数据源之间的壁垒非常困难。举个栗子，很多时候，产品销售者拥有产品信息、用户购买数据，但没有描述用户购买能力和支付习惯的数据，因为无法进行整合和综合分析。 在大多数行业中，数据以孤岛的形式存在。 尤其是近年来随着隐私保护及数据安全法律法规的逐渐完善，数据孤岛问题变得日益严峻。 在这个背景下，联邦学习应运而生。其本质是一种为了解决数据孤岛问题而提出的机器学习模式与算法。 联邦学习是一种特殊的分布式学习。虽然分布式学习已...

在ECCV 2022上，香港中文大学、香港大学、商汤科技、上海人工智能实验室和悉尼大学共同提出的研究工作Pose for Everything被接收为Oral Presentation (2.7%)。 Pose for Everything定义了一项类别无关的姿态估计 (Category-Agnostic Pose Estimation, CAPE) 任务。该任务要求检测器只根据一张参考图像和对应的关键点定义，检测任意类别物体的姿态，这极大减少了数据标注和模型训练的成本。针对该任务，论文提出了姿态匹配网络 (POse Matching Network, POMNet)，将姿态估计任务建模为匹配...

鲁棒时间序列分析及其工业应用 时间序列分析在各个领域都非常普遍和重要，例如云计算中的IT运营人工智能(AI - Intelligence for IT Operations, AIOps)、电子商务中的人工智能(AI-powered Business Intelligence, AI -power Business Intelligence)、物联网人工智能(AI- Intelligence of Things, AIoT)等。在现实世界中，时间序列数据往往呈现出具有趋势、季节性、异常值和噪声的复杂模式。此外，随着越来越多的时间序列数据被收集和存储，如何有效地处理大量的数据在许多应用中是至关...