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!

此外,在今年的多个顶级学术会议中,腾讯ailab也入选多篇论文,位居国内企业前列,包括机器学习领域顶会nips(20篇)和icml

quase:sequenceeditingunderquantifia

论文地址:07007

本文由腾讯ailab主导,与香港中文大学合作完成。本文提出了量化指导

exploitingdeeprepresentationsforne

本文由腾讯ailab主导,与南京大学合作完成。神经机器翻译系统通常由多层编码器和解码器构成,这允许系统对于复杂函数进行建模并捕获复杂的语言结构。然而,通常情况

modelinglocalnessforself-attentionnetworks

本文由腾讯ailab主导,与澳门大学合作完成。自注意力模型可以直接注意所有输入元素,在很多任务中被证明具有捕获全局依赖的能力

导语:第32届nips近日揭晓收录论文名单,此次为会议,将于12月3日至8日在加拿大蒙特利尔举办。腾讯ailab+106ai

腾讯ailab第三次参加nips,共有20篇论文入选,其中2篇被选为亮点

此外,在今年的多个顶级学术会议中,腾讯ailab也入选多篇论文,位居

我们将在下文一一解析本次腾讯ailab入选论文,也邀请大家在nips的现场跟我们一种自适应于不同环境、不同任务的强化学习方法

synthesizepoliciesfortransferandadaptationacrossenvironmentsandtasks

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spotlight论文之一,研究了同时在不同环境(env)和不同任务(task)之间迁移的问题,目的是利用稀疏的(env,task)组

near-optimalnon-convexoptimizationviastochasticpathintegrateddifferentialestimator

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解非凸优化问题的方法,同时也是本届nips的spotlight论文之一。论文中提出了一种名为「随机路径积分的差分估计子(spider)」的新技

exponentiallyweightedimitationlearni

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

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

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

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

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

不同与传统的基于模板的跟踪方法,ccm(constrainedconfi

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

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:加利福尼亚大学提出的uc

导语:获奖论文名单及最佳论文赏析微软亚洲研究院+6ai影响因子论文名称:

雷锋网ai科技评论按:多媒体信息处理领域顶级学术会议acmmm201

本次会议共收到757篇论文投稿,接收论文261%;其中口头报告45%。投

获奖论文名单10月24日下午,大会现场公布了最佳论文获奖名单,雷锋网a

beyondnarrativedescription:generatingpoetryfromimagesbymulti-adversarialtraining

超越叙事描述:通过多对抗训练,从图像生成诗歌

论文地址:/authorize?n660819

论文中文全文见下文

understandinghumansincrowdedscenes:deepn

理解密集场景中的人:深度内嵌对抗学习以及一个新的多人解析benchmark

论文地址:/authorize?n660810

最佳demo论文两篇

anidance:real-timedancemotionsynthesi

anidance:从舞蹈动作实时生成音乐

论文地址:/authorize?n660964 

meetar-bot:meetinganywhere,anytimewi

来见见ar-bot:与可以在不同空间移动的ar机器人见面,随

论文地址:/authorize?n660976 

最佳开源软件比赛论文两篇

vivid:virtualenvironmentforvisualdeeplearning

上一篇: onlineads 下一篇: 无