新闻中心

排序方式

数据驱动的图形学:过去、现在和未来

早在深度学习之前,机器学习就已经被应用于图形学研究中。随着近年来深度学习研究的进展,计算机图形学也通过与深度学习的紧密结合而得到了新的发展。展望未来,机遇与挑战并存。本文根据微软亚洲研究院首席研究员童欣博士在中国科大本科创新班上讲课内容整理而成。

发布时间:2019-12-25 类型:深度文章

多模态学习研讨会:预训练是AI未来所需要的全部吗?

文字、图片、语音、视频……我们的日常生活充满了不同模态的数据,涉及不同模态数据交互的任务也越发普遍。最近,微软亚洲研究院举办了一场多模态表征学习与应用研讨会,与来自亚太高校的多位学者深度探讨了多模态学习的现状与未来趋势。

发布时间:2019-12-18 类型:深度文章

拯救迷路的AI学习者!微软人工智能教育与学习共建社区2.0全新上线

去年,微软人工智能教育与学习共建社区 1.0在 GitHub 正式上线。不到一年时间,我们的社区已经收获了 6K+ 星标。秉持着 “学习、实践、共享、迭代”的宗旨,社区不断为学生、开发者和教师提供优质的人工智能教育资源,为人工智能的学习与应用提供了绝佳的学习入口。作为一个开放社区,我们正在与大家一起努力,共同实现社区的可持续发展。现在,全新的微软人工智能教育中心 2.0 版本已经上线!我们深谙 AI 学习者的痛点,并通过不断优化社区来纾解自学者可能经历的难题。

发布时间:2019-12-17 类型:深度文章

AAAI 2020 | 时间可以是二维的吗?基于二维时间图的视频内容片段检测

当时间从一维走向二维,时序信息处理问题中一种全新的建模思路由此产生。根据这种新思路及其产生的二维时间图概念,微软亚洲研究院提出一种新的解决时间定位问题的通用方法:二维时域邻近网络 2D-TAN,在基于自然语言描述的视频内容定位和视频内人体动作检测两个任务上验证了其有效性,并在 ICCV 2019 中的 HACS Action Localization Challenge 比赛中获得了第一,相关技术细节将发表于 AAAI 2020 论文“Learning 2D Temporal Adjacent Network for Moment Localization with Natural Language”。本文将对这一研究进行深入解读。

发布时间:2019-12-16 类型:深度文章

比尔·盖茨:适合在今年冬季阅读的五本书

比尔·盖茨2019年冬季书单正式出炉!从爱情悲剧《美国式婚姻》、美国史力作《这些真相》、盖茨最爱作家之一斯米尔新书《增长》,到《准备好》聚焦高中孩子教育、《为什么要睡觉》解读睡眠。五本来自不同领域的好书助你拓宽知识、打破局限、辞别旧年、喜迎2020!

发布时间:2019-12-13 类型:深度文章