中电信数智科技申请基于多掩码匹配分割网络的虚拟水尺水位识别专利，为水位监测提供创新解决方案
金融界 2025 年 4 月 10 日消息，国家知识产权局信息显示，中电信数智科技有限公司申请一项名为“基于多掩码匹配分割网络的虚拟水尺水位识别方法”的专利，公开号 CN 119785288 A，申请日期为 2024 年 12 月。
掩码
征图新视申请一种提高目标检测任务样本质量的专利，有利于提高目标检测的检出效果
国家知识产权局信息显示，征图新视（江苏）科技股份有限公司申请一项名为“一种提高目标检测任务样本质量的方法”的专利，公开号 CN 119785027 A，申请日期为2024年12月。
数据脱敏实战指南：从原理到MySQL实现
CREATETABLE customers_masked ASSELECTcustomer_id,CASEWHEN gender = 'M'THEN(SELECTCONCAT(ELT(1+FLOOR(RAND*10), '张', '李', '王', '刘',
南京栢拓视觉申请用于识别危险动态目标的辅助驾驶系统专利，可在困难条件下对危险目标进行识别
国家知识产权局信息显示，南京栢拓视觉科技有限公司申请一项名为“一种用于识别危险动态目标的辅助驾驶系统”的专利，公开号CN 119693918 A，申请日期为2024年12月。
统一细粒度感知！北大&阿里提出UFO：无需SAM
具体来说，UFO 提出了一种基于特征检索的分割方法，将分割任务重新定义为计算 token 特征和图像特征的相似度，无需 SAM，最多仅需输出 16 个 token 即可实现 MLLM 的精细分割。UFO 还支持文本格式的目标框输出，通过并行解码高效支持密集检测
2024ECCV_MouseSIS：A
本文提出新任务——空间-时间实例分割，目标对整个传感器输入（包括连续事件和可选对齐帧）进行实例分割。为此，介绍了名为MouseSIS的数据集，其中包含对齐的灰度帧和事件，标注了多达7只自由移动和互动的老鼠的真实标签（像素级实例分割）。此外，还提供了两种参考方法
统一细粒度感知北大&阿里UFO无需SAM16个token让MLLM实现精准分割
本文作者来自北京大学和阿里通义万相实验室。其中论文第一作者是汤昊，北京大学 2022 级博士生，目前主要关注统一的多模态任务建模算法。指导教授是王立威老师，北京大学智能学院教授，曾获 NeurIPS 2024 最佳论文奖、ICLR 2023 杰出论文奖及 IC
模型上新！体验文心大模型4.5卓越性能，文心快码邀您探索
当天，文心快码Baidu Comate也发布了文心大模型4.5支持的新版本，为用户带来更加强大的智能交互体验。即日起，用户可以在文心快码Baidu Comate的【Chat】功能中，选择切换至ERNIE-4.5-8K-Preview，体验这一新一代原生多模态大
老照片修复都用什么工具？
目前我们不打算直接发布带有标签的旧照片划痕数据集。如果你想获取成对的数据，可以使用我们的预训练模型对收集的图像进行测试以获得标签：
深入解析Transformer工作原理
Encoder的主要功能是将输入转化为固定维度的向量，它由多个相同的层组成。每层包含两个子层：自注意力层和前馈全连接层。自注意力层通过计算输入中各元素之间的注意力分数，来捕捉元素之间的长程依赖关系；前馈全连接层则将每个元素映射到不同的向量空间，以捕获更高级的特
transformer 解码器 掩码 encoder 前馈 2025-03-12 18:40 3
Net.Codecrete.QrCodeGenerator：.NET平台上的QR码生成利器，提前一小时关机下班
Net.Codecrete.QrCodeGenerator是一个开源的二维码生成库，适用于.NET平台。它基于.NET Standard 2.0构建，意味着它可以在大多数现代.NET平台上运行，包括.NET Core、.NET Framework、Mono等，
扩散模型新突破！无需微调，就能高效稳定移除目标物体
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqiz
MMDetection学习系列（5）——Mask R-CNN深度探索与实战指南
Mask R-CNN（Region-Based Convolutional Neural Networks）是一种扩展自Faster R-CNN的目标检测与实例分割模型。Mask R-CNN通过在传统的目标检测任务中引入像素级的分割掩码，使得实例分割成为可能。
Meta Segment Anything Model 2
继 Meta Segment Anything Model (SAM) 用于图像取得成功之后，我们发布了 SAM 2，这是一种统一的模型，用于在图像和视频中实时提示对象分割，可实现最先进的性能。为了与我们的开放科学方法保持一致，我们通过宽松的 Apache 2
meta 掩码 metasegment 2025-01-13 19:18 10
国网江西省电力申请一种日志异常检测语言模型自监督训练中混合掩码方法专利，可更好地训练 BERT 模型对词组和子序列的理解能力
金融界 2025 年 1 月 8 日消息，国家知识产权局信息显示，国网江西省电力有限公司信息通信分公司申请一项名为“一种日志异常检测语言模型自监督训练中混合掩码方法”的专利，公开号 CN 119248618 A，申请日期为 2024 年 12 月。
可解释性的定义与重要性
在机器学习领域存在一个普遍的认知误区，即可解释性与准确性存在对立关系。这种观点认为可解释模型在复杂度上存在固有限制，因此无法达到最优性能水平，神经网络之所以能够在各个领域占据主导地位，正是因为其超越了人类可理解的范畴。
新技术：高效的自监督视觉预训练，局部遮挡再也不用担心！
计算机视觉的自监督学习取得了巨大的进步，并改进了许多下游视觉任务，例如图像分类、语义分割和对象检测。其中，生成式自监督视觉学习方法如MAE和BEiT表现出良好的性能。然而，它们的全局掩码重建机制在计算上要求很高。