首页 行业报告下载文章正文

3D行业报告:AI的下一个涌现(46页)

行业报告下载 2023年10月25日 06:41 管理员

涌现能力的定义:在小模型中没有表现出来,但是在大模型中变现出来的能力。涌现能力大概可以分为两种: 通过提示就可以激发的涌现能力和使用经过特殊设计的prompt激发出的新的能力。无论哪种涌现能力,当模 型规模超过一个临界值时,效果会马上提升。 以LeNet和AE为例,涌现能力在CV计算机视觉任务中也有所体现。 LeNet是由Yann Lecun(2018年图灵奖得主 创造,其在手写体字符识别领域创造性引入卷积神经网络,是CNN的发展起点,通过观察LeNet在MNIST 21上 训练的结果,随着模型参数的增加,测试精度显示出不可预测的大幅增长;而在CIFAR100图像数据集上训练 的自编码器(AE)随着模型参数的增加显示陡峭的均方重建误差变化。

扩散模型(diffusion models)成为2D生成模型中主流模型,逐渐领先于GAN、自回归模型,显著提高了 图像生成的稳定性、准确性和多样性。并且扩散模型在诸多应用领域都有出色的表现,如计算机视觉,NLP、 波形信号处理、多模态建模、分子图建模、时间序列建模、对抗性净化等。ImageNet数据集09年发布,目前包含约1500万张标注图像。ImageNet数据集由斯坦福大学教授李飞飞牵头从 2007年开始收集建立。2009年发布时包含有320万张图像,是当时最大的2D图像数据集。经过发展,ImageNet 数据集已拥有22000类约1500万张标注图像。 ImageNet来源于网络图像,借助众包平台(Mechanical Turk)完成。数据集的大量图像数据来自于日益增长 的网络平台,考虑到手动标注工作的大量人力需求,研究团队借助于Mechanical Turk(亚马逊开发的众包平 台)完成这项工作。

3D行业报告:AI的下一个涌现(46页)

文件下载
资源名称:3D行业报告:AI的下一个涌现(46页)


标签: TMT行业报告

并购家 关于我们   意见反馈   免责声明 网站地图 京ICP备12009579号-9