排序方式

数据驱动设计:从学习特征到学习算法

人工智能许多问题的本质是搜索一个函数的最优解,那么如何确定一个最佳的搜索策略就成为了研究者们想要解决的问题。本文中,微软亚洲研究院视觉计算组研究员辛博和David Wipf向我们介绍了如何通过学习的方法找到最优搜索策略:将数据驱动的特征衍生到数据驱动的算法设计,让算法学会优化或学会如何学习。这一概念对机器学习领域不仅有很重要的理论价值,还产生了很多实际作用。这项工作入选了NIPS 2017口头报告(Oral)。

发布时间:2018-02-27 类型:深度文章

书单 | 计算机视觉的修炼秘笈

微软亚洲研究院计算机视觉组资深研究员王井东博士为大家推荐计算机视觉领域的经典书目,书单分为综合篇、几何篇、机器学习篇和经典读物四大类。

发布时间:2018-02-06 类型:深度文章

梅涛:深度学习为视觉和语言之间搭建了一座桥梁

视觉和自然语言处理长期以来是两个独立的课题,而深度学习技术的出现建立了计算机视觉和自然语言处理之间的连接,为Image QA及Image Caption带来了突飞猛进的发展。在本文中,来自微软亚洲研究院的资深研究员梅涛将带领大家回顾视觉与语言领域的研究进展。

发布时间:2017-07-13 类型:深度文章

观点 | 计算机视觉,路在何方

上周,“微软亚洲研究院创研论坛——CVPR 2017论文分享会”在微软大厦举行。来自国内外计算机视觉领域学术界、工业界的优秀代表们携各自在CVPR 2017发表的最新研究和技术观点进行了分享,交流。而在此次活动上由微软亚洲研究院主管研究员罗翀主持的圆桌讨论环节中,五位计算机视觉领域的资深专家就目前计算机视觉领域研究中的热门问题给出了各自的见解。他们分别是:

发布时间:2017-06-21 类型:深度文章

Microsoft Pix:让iPhone拍出自带大师范儿的照片

微软专为iPhone和iPad打造的基于人工智能技术的相机应用Microsoft Pix最近推出了一项新功能,可以自动为随手拍摄的照片增加艺术化风格,模仿陈列在阿姆斯特丹、巴黎和纽约的著名画廊里的绘画杰作及艺术摄影作品。

发布时间:2017-06-16 类型:深度文章

可变形卷积网络:计算机新“视”界

如何适应图像中复杂的几何形变问题是物体识别的主要难点,也是计算机视觉领域多年来的核心问题。近日,微软亚洲研究院视觉计算组公布了一篇题为“Deformable Convolutional Networks”的论文,在卷积神经网络中引入了学习空间几何形变的能力。

发布时间:2017-06-09 类型:深度文章

寻亲四余载,微软科技点亮孩子的回家路

2015年,“回家”应用程序在微软举办的 “骇客马拉松”中诞生,它通过微软人脸识别应用程序编程接口寻找走失儿童。同年12月, 微软开始与“宝贝回家”志愿者协会合作,通过人脸识别技术帮助寻找走失儿童。在未来,微软将不断优化“回家”程序,希望帮助更多家庭找回走失的孩子。

发布时间:2017-06-01 类型:深度文章

AI 创造艺术风格化:从图片到视频

上周,我们发布了“AI修图黑科技,Geek也能艺术范”,介绍微软亚洲研究院关于图片风格化的技术新成果。今天,我们将为大家介绍风格迁移背后的相关技术,详细解读微软亚洲研究院视觉计算组的研究员和实习生们发表的三篇关于艺术风格化的论文。

发布时间:2017-05-24 类型:深度文章

AI修图黑科技,Geek也能艺术范

去年,艺术画风格的图片处理工具Prisma风靡全球的社交网络,人们可以通过应用让生活照片变身大师级风格图片。近期,来自微软亚洲研究院视觉计算组的三篇论文为我们带来了一些关于图片风格化的技术革新。当风格转移问题转化为图像类别问题能带来什么效果?

发布时间:2017-05-19 类型:深度文章