社区
非技术版
帖子详情
没有留下来的理由了,所以离开!!! 【ivan_ren】你呢?
gahade
2007-06-19 11:19:09
准备递交辞呈,好激动啊!
...全文
747
81
打赏
收藏
没有留下来的理由了,所以离开!!! 【ivan_ren】你呢?
准备递交辞呈,好激动啊!
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
81 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
ojuju10
2007-07-05
打赏
举报
回复
已经结贴了,怎么没有分啊?
xiequanqin
2007-06-30
打赏
举报
回复
祝贺~
waysue
2007-06-29
打赏
举报
回复
。。。祝好运
fellowcheng
2007-06-27
打赏
举报
回复
恭喜
Well
2007-06-27
打赏
举报
回复
这一次走是为了更好的。。。
冷箫轻笛
2007-06-27
打赏
举报
回复
呵呵
预祝楼主薪水小翻上几翻
失败是妈妈
2007-06-27
打赏
举报
回复
LZ 明天会更好!
子陌红尘
2007-06-27
打赏
举报
回复
Congratulations~
gahade
2007-06-27
打赏
举报
回复
倒记时了~~~
zhangwenqian
2007-06-27
打赏
举报
回复
靠 四个钻石的老兄又出现了
兄弟可以分给我一个钻石吗?
wgzaaa
2007-06-26
打赏
举报
回复
恭祝与君高就
amdwinter
2007-06-26
打赏
举报
回复
祝好運
茂一茂
2007-06-26
打赏
举报
回复
flag=false;
if(flag)
{留();}
else
{離開();}
paoluo0128
2007-06-26
打赏
举报
回复
祝好运!
free_pop2k
2007-06-25
打赏
举报
回复
女厕少了一个打扫的,lz去吧,带上你的laptop
free_pop2k
2007-06-25
打赏
举报
回复
旧的不去,新的不来
抛弃是为了索取!
zhangwenqian
2007-06-25
打赏
举报
回复
jf
xiaoku
2007-06-22
打赏
举报
回复
呵呵...好走
dwyao
2007-06-22
打赏
举报
回复
走好
nobody@noone
2007-06-22
打赏
举报
回复
好运
加载更多回复(61)
个人喜欢的关于模式识别、机器学习、推荐系统、图像特征等方面个人主页及博客
个人喜欢的关于模式识别、机器学习、推荐系统、图像特征等方面个人主页及博客 (2014-06-17 00:09:15) 转载▼ 标签: 育儿 目标检测、识别、分类、特征点的提取 David Lowe:Sift算法的发明者,天才。 Rob Hess:sift的源码OpenSift的作
视觉特征-自监督-掩码特征预测【2026-03】:V-JEPA2.1【2B】【全Token稠密预测损失】【多层深度自监督】【图像/视频多模态Tokenizer】【160万小时视频】【1.42亿张图像】
Lorenzo Mur-Labadia1,2,∗, Matthew Muckley1, Amir Bar1, Mido Assran1, Koustuv Sinha1, Mike Rabbat1, Yann LeCun1, Nicolas Ballas1,†, Adrien Bardes1,†1FAIR at Meta, 2Universidad de Zaragoza ∗Work done at Meta, †Joint last authorWe present V-JEPA 2.1, a family
VLA-2025-03:GR00T N1【骨架:Eagle-2;端到端双系统VLA:S2 VLM+S1 DiT+FM;数据:单/双臂+人形,机器人+人类+仿真+神经共592.9M帧/8375.7小时】
通用机器人需要多功能的躯体和智能的头脑。近年来,人形机器人的发展在构建人类世界中通用自主性的硬件平台方面展现出巨大潜力。一个基于海量多样化数据源训练的机器人基础模型,对于使机器人能够推理新情况、稳健应对现实世界的多变性以及快速学习新任务至关重要。为此,我们推出了GR00T N1,一个面向人形机器人的开放基础模型。GR00T N1是一个具有双系统架构的视觉‑语言‑动作(VLA)模型。视觉语言模块(系统2)通过视觉和语言指令来解读环境。随后的扩散Transformer模块(系统1)实时生成流畅的电机动作。
机器人-模仿学习-双臂【2023-04】:ACT【80M参数;CVAE-Transformer架构;ResNet18编码四路视觉;4层编码器融合视觉状态;7层解码器并行预测100步动作;时序集成平滑】
Meta。
视觉特征-自监督-同源不同crop视图一致性【2023-04】:DINOv2(无监督学习鲁棒视觉特征)【12 亿张互不重复的图像】【判别式自监督方法】【交叉熵损失+iBOT损失】
近期,自然语言处理领域在大量数据上进行模型 Pretraining 取得的突破,为计算机视觉中类似Foundation Model 的发展开辟了道路。这些模型能够生成通用视觉特征,即无需微调即可跨图像分布和任务发挥作用的特征,从而大幅简化图像在任何系统中的使用。本研究表明,现有的 Pretraining 方法,尤其是自监督方法,如果在来自多样化来源的充足精选数据上进行训练,便能够产生此类特征。我们重新审视了现有方法,并结合不同技术,从数据规模和模型规模两方面扩展我们的 Pretraining。
非技术版
11,847
社区成员
33,667
社区内容
发帖
与我相关
我的任务
非技术版
MS-SQL Server 非技术版
复制链接
扫一扫
分享
社区描述
MS-SQL Server 非技术版
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章