- 特斯拉旗下机器人“擎天柱”自行叠衣服,微美全息紧跟步伐提速构建人形机器人产业生态
- 根据马斯克发布的视频显示,“擎天柱”站在一张桌子旁,慢慢地叠起一件黑色衬衫,似乎没有受到外力的任何帮助。不过所有这些都是高度脚本化和预先编程的活动,更多是为了展示机器人的关节、伺服器和肢体的令人印象深刻的功能。
- AI创新风暴席卷CES 2024,微美全息创新科技弯道超车打造关键驱动力
- 在此次CES上,英伟达(NVDA .US)举办14场演讲,涵盖生成式AI、元宇宙、机器人、智能汽车、游戏设计等热门主题。据英伟达预测,2024年,AI在娱乐、互联网和媒体等领域的应用将呈现爆发式增长,生成式AI将重塑移动出行和汽车产业未来。
- 微美全息开发基于比特币以太坊区块链技术的大型专用网络交易数据安全模型
- 随着物联网(IoT)技术的快速发展,企业在构建大型专用网络时面临了日益严峻的安全和隐私挑战。这些大型专用网络中的节点需要在复杂的环境中进行数据收集、分发和通信,同时保证用户数据的隐私安全。
- 人工智能浪潮百舸争流,三星/英特尔/微美全息聚焦AI持续打造生态高地
- 三星调整战略优先事项,主要集中在“AI”、“性能与质量”方面。三星计划通过“技术优势与适应力”来增强自身竞争力,并努力创造竞争差距并改善设备体验。
- 2024年多模态时代将至,微美全息打造强大算力底座引领AI热潮新篇章
- 生成式AI技术的发展为各行各业插上了想象的翅膀。微软(MSFT.US)、英伟达(NVDA .US)等科技大厂以及初创企业纷纷“跑步入场”生成式AI,已经覆盖芯片制造、云计算、数据服务、自然语言处理、文本数据分析、计算机视觉及智能安防、交通、金融、物联网等终端应用。
- CES 2024诸多XR新品亮相,微美全息IP内容创新+技术联动有望实现价值飞跃
- 作为前瞻科技产业产品与创新技术的“风向标”,本届CES以 “AII Together,AII On“为主题,吸引超过4500家顶尖科技展商与13万观众的参与,包括如英伟达、英特尔、三星、索尼等众多科技巨头们都在会上进行展示。
- 全息眼镜交互技术引领未来,微美全息开发基于V-BCI的突破性技术
- 在当前科技潮流的推动下,增强现实(AR)技术正在成为改变人机交互方式的前沿领域。全息眼镜作为AR技术的重要载体,为用户提供了更加沉浸式的体验,迎来了一场全新的交互体验革命。
- AIGC赋能元宇宙场景应用落地,微美全息整装待发拓展多元产业发展未来可期
- 2023 年 AIGC 技术的澎湃巨浪搅动着智能革命的潮流,元宇宙的跃进在国际科技战场上实现了崛起突围,那么这些亮点将成为2024年中不可磨灭的印迹,预示着未来无限可能的到来。
- 政策加持掀起人形机器人革新浪潮,微美全息迎机遇开辟千亿产业赛道
- 工业和信息化部党组近日在《求是》杂志撰文称,全力促进工业经济平稳增长。其中提到,着力稳住大宗消费,培育壮大新型消费,加强工业经济运行监测和预测预警。着手开辟人工智能、人形机器人、量子等未来产业新赛道,加强5G、数据中心、算力等基础设施建设。
- 脑机接口将在十年内实现市场化应用,微美全息提前入局稳步推进迈入增长阶段
- 在前沿科技这个充满创新活力的领域中,脑机接口新技术和突破性进展将主导未来科技潮流。自脑机接口(BCI)概念提出至今,已经有50年历史。当前脑机接口技术已经进入多个场景,并且进入人体临床试验阶段。
- 微美全息探索全局-局部特征自适应融合网络框架在图像场景分类中的创新运用
- WIMI微美全息试图将全局-局部特征自适应融合 (GLFAF) 网络框架运用在图像场景分类的实践中,不仅提高了分类的准确性,还增强了特征提取的鲁棒性。通过全局特征聚合模块,网络能够捕捉到图像的全局特征,理解图像的整体结构和内容。而局部特征聚合模块则关注于图像的细节信息,能够提取出图像中的关键特征和细节信息。
- 微美全息开发基于神经网络的无人机控制系统引领技术革新
- 传统的线性控制系统在处理非线性和复杂动态系统时存在着短板,无人机系统的飞行动力学通常是非线性的,因此需要一种能够有效处理此类动态系统的先进控制方法。
- 为机器学习领域带来创新突破,微美全息将多级相关学习技术运用于多视图无监督特征选择
- 微美全息将多级相关学习技术运用于多视图无监督特征选择。多级相关学习是一种学习策略,它允许模型在处理复杂数据时,对不同级别的相关性进行建模,并通过学习不同视图之间的相关性来选择特征。这种方法可以更有效地利用多视图数据中的信息,并且可以提高学习任务的准确性,帮助机器学习和数据挖掘领域中的许多任务获得更准确的结果。
- 微美全息开发卷积光谱融合技术,创新性克服高光谱图像分类困难
- 高光谱图像通常包含数百个甚至上千个光谱波段,形成高维度的数据空间。传统方法通常将高光谱图像中的像元(即图像的最小单位)作为独立的光谱曲线进行分类,而忽视了图像中的空间信息。
- 微美全息研究基于自监督判别特征学习的深度多视图聚类算法,提升数据聚类的准确性
- 深度多视图聚类是一种将多个视图的数据进行聚类分析的技术。在传统的聚类算法中,通常只使用单一视图的数据进行聚类,而忽视了多个视图之间的关联性。然而,现实世界中的数据往往具有多个视图,例如图像数据可以由颜色、纹理、形状等多个视图表示。
- 微美全息布局用于数据流聚类的多视图表示学习算法
- 多视图表示学习算法可以为数据流聚类问题提供有效的解决方案,WIMI微美全息多视图表示学习算法是一种将数据从多个视图中学习并融合得到更全面的表示的方法。在数据流聚类中,可以使用多个视图来表示数据流的不同方面,例如时间序列视图、空间视图等,每个视图可以提供不同的信息。
- 推进计算机视觉技术创新,微美全息研究基于融合图卷积网络的图像融合点云语义分割
- 微美全息最近提出了基于融合图卷积网络的图像融合点云语义分割方法,旨在利用图像和点云的不同信息,以提高语义分割的准确性和效率。点云数据在表示物体的几何形状和结构方面非常有效,而图像数据则包含了丰富的颜色和纹理信息。
- 微美全息开发RPSSC技术在高光谱图像分类领域取得重要突破
- 研究者们逐渐认识到充分利用高光谱图像中的空间和光谱特征的重要性。结合空间和光谱特征可以更全面地描述图像,提高分类精度。WIMI微美全息顺应了这一趋势,开发了RandomPatchSpatialSpectrumClassifier(RPSSC)技术,以充分利用了空间和光谱信息的互补性。
- 微美全息研究基于混合循环神经网络架构的人机协作意图识别
- 微美全息将混合循环神经网络架构引入人机协作意图识别。混合循环神经网络架构是一种结合了循环神经网络(RNN)和卷积神经网络(CNN)的模型。循环神经网络(RNN)是一种适用于序列数据建模和处理的神经网络,它通过循环连接和隐藏状态的更新,可以有效地捕捉序列数据中的时序信息和上下文关系。CNN可以有效地提取数据特征。混合循环神经网络结合了循环神经网络和卷积神经网络的优势,能够更好地捕捉序列信息和局部特征,可以更好地处理人机协作意图识别的问题。
- 微美全息创新研究将混合数据增强和扩展卷积递归神经网络引入语音情感识别
- 语音情感识别是语音处理中最活跃的研究领域之一,其在人机交互、机器人、智能客服等领域具有广泛应用。语音情感识别技术是指通过分析人的语音信号,识别出其中所包含的情感信息。语音情感识别的基本过程包括语音信号的预处理、特征提取和情感分类三个步骤。
推荐文章
更多>>重点文章
更多>>- 百度:文心大模型日均处理Tokens文本已达2490亿
- 心大陆AI大模型再加速!获批国内首个「人工智能心理算法」国家备案
- 百度Apollo:自动驾驶比人类驾驶更安全,美好出行指日可待
- ABeam(德硕)大语言模型系列(3):企业如何拥抱大语言模型
- 零一万物发布千亿参数模型Yi-Large,李开复呼吁关注TC-PMF,拒绝ofo式烧钱打法
- 生成式AI时代的“信任危机” 企业该如何应对
- 从高山奔向大海,智慧眼迈向通用人工智能重要一步
- 久其女娲平台2.0全新升级!AI大模型加速,赋能政企数治未来
- 赋予机器编程权:科技进步与失控可能性
- 百度CTO王海峰:智能体是重要发展方向,会带来更多应用爆发
- 浪潮信息发布企业大模型开发平台“元脑企智“EPAI,加速AI创新落地
- 钉钉会议DR-SwWPE算法登上国际顶会ICASSP2024