-
5000款超级新品、100个过亿品牌……天猫2024聚焦“增长”
发布时间:2024/04/16
增长是如今所有品牌的关键词。事实上,数字的向上腾越往往不是靠“一蹴而就”,而是把握每一个关节,精细设计的自然结果——对于品牌如是,对于电商平台来说亦如是。 2023,天猫度过了充满势能的一年。这一年,超过41...
-
2024HOMELIFE越南国际家居礼品展火爆开幕,中越共绘贸易增长新蓝图!
发布时间:2024/03/28
3月27日,2024HOMELIFE越南国际家居礼品展在胡志明市展览贸易中心盛大开幕。本届展会由商务部外贸发展事务局、浙江省商务厅指导,杭州市人民政府主办,杭州市商务局、米奥兰特国际会展联合承办,获得了广东省商务...
-
第六届HOMELIFE印尼国际家居礼品展盛大开幕!
发布时间:2024/03/14
3月13日,第六届HOMELIFE印尼国际家居礼品展(以下简称“印尼展”)在雅加达国际会展中心隆重开幕。本届印尼展在广东省商务局指导下,由杭州市人民政府主办,宁波市商务局、余姚市商务局联合主办,米奥兰特国际会展...
-
巨量引擎营销科学第三批行业向「金牌认证服务商」,品牌生意&服务商经营双向提效
发布时间:2024/03/08
引言 随着营销生意的不断发展,品牌迫切需要以更精细化、更高效、更具确定性的手段撬动生意增量。巨量引擎营销科学多年来持续助力品牌从营销到经营的全链路提效,实现有质量的持续增长,追求长期价值的实现。 作...
-
“酷”大脑研究的扭曲观念扼杀了心理治疗
发布时间:2020/03/31
‘对于人类的每一个问题,总是存在着众所周知的解决方案-简洁,合理和错误。” 人类从来没有遇到过比了解我们自己的人性更复杂的问题。而且,不乏任何试图探究其深度的简洁,合理和错误的答案。 在我职业生...
-
SpaceX赢得NASA合同,使用新型Dragon XL工艺将货物运送到月球网关
发布时间:2020/03/31
美国国家航空航天局(NASA)挖掘出一种尚未建造的SpaceX货运飞船,用于向尚未发射的绕月轨道前哨基地运送补给品。 SpaceX的机器人Dragon XL是其主力Dragon太空船的圆柱形超大型版本,将作为第一批从NASA获得...
-
Spaces应用程序使人们可以参加VR中的Zoom会议
发布时间:2020/03/30
一个名为Spaces的新PC VR应用程序使用户可以从VR内部加入Zoom会议和其他视频通话。 该应用是根据最近发生的COVID-19大流行而开发的,该大流行已经使世界各地许多人在家中工作并使用诸如Zoom之类的虚拟会议...
-
汇盈医疗声称其AI可以从CT扫描中检测冠状病毒,准确率达96%
发布时间:2020/03/30
总部位于中国惠州的医疗设备公司慧英医疗声称已开发出一种AI成像解决方案,该解决方案使用CT胸部扫描来检测COVID-19的存在。该公司断言,如果不使用逆转录聚合酶链反应(RT-PCR)(COVID-19的标准测试方法),...
Facebook强调了将2D对象转换为3D形状的AI
发布时间:2019/10/31 科技 浏览次数:696
最先进的机器学习算法可以从照片中提取二维对象,并在三个维度上忠实地渲染它们。这是一种适用于增强现实应用程序,机器人和导航的技术,这就是为什么它是Facebook研究的重点领域。
在首尔举行的国际计算机视觉会议(ICCV)召开前的今天的一篇博客文章中,Facebook强调了其在智能内容理解方面的最新进展。它说,它们的系统一起可以用于检测复杂的前景和背景物体,例如椅子的腿或重叠的家具。
Facebook研究人员Georgia Gkioxari写道:“ [我们的研究建立在使用深度学习预测和定位图像中对象的最新进展的基础上,以及用于3D形状理解的新工具和体系结构,如体素,点云和网格,” Shubham Tulsiani和David Novotny在博客文章中。 “三维理解将在提高AI系统在现实世界中更紧密地理解,解释和操作的能力中发挥核心作用。”
Mesh R-CNN是其中一个受关注的作品,该方法能够根据杂乱和遮挡的物体的图像预测三维形状。
Facebook研究人员表示,他们通过网格预测分支增强了开源Mask R-CNN的二维对象分割系统,并通过一个包含高度优化的三维运算符的Torch3d库进一步增强了该功能。 Mesh R-CNN有效地使用了Mask R-CNN对图像中的各个对象进行检测和分类,然后使用上述预测器推断三维形状。
Facebook说,根据公开的Pix3D语料库进行评估,Mesh R-CNN成功检测到所有类别的对象,并估计了整个家具场景中它们的完整三维形状。在单独的数据集ShapeNet上,Mesh R-CNN的相对裕度比以前的工作高出7%。
由Facebook开发的另一种系统-Canonical 3D Pose Networks,简称为C3DPO-解决了无法训练网格物体和相应图像的情况。它构建了三维关键点模型的重建,并使用二维关键点监督获得了最新的重建结果。 (在这种情况下,关键点是指对象的跟踪部分,这些对象提供了有关几何及其视点变化的一组线索。)
C3DPO利用重建模型预测相应摄像机视点和三维关键点位置的参数。一个辅助组件与模型一起学习,以解决在三维视点和形状的因式分解中引入的歧义。
Facebook指出,由于内存限制,这种重建以前是可以实现的。 C3DPO的体系结构可以进行三维重建,而在这种情况下,用于捕获的硬件(例如大型物体)是不可行的。
“ [三维]计算机视觉有许多开放的研究问题,我们正在尝试多种问题陈述,技术和监督方法,就像我们对二维理解所做的探索一样,探索了推动该领域前进的最佳方法,” Gkioxari,Tulsiani和Novotny写道。 “随着数字世界适应并转变为使用3D照片以及沉浸式AR和VR体验等产品,我们需要不断推动复杂的系统,以更准确地理解视觉场景中的对象并与之交互。”