腾讯发布2020《腾讯人工智能白皮书:泛在智能》,46页pdf

7 月 14 日 专知
腾讯发布2020《腾讯人工智能白皮书:泛在智能》,46页pdf

在2020世界人工智能大会腾讯论坛上,腾讯公司副总裁、腾讯研究院院长司晓正式发布了《腾讯人工智能白皮书:泛在智能》(以下简称白皮书)。

作为腾讯第一份全面介绍AI、阐述腾讯人工智能布局和思考的白皮书,该书从宏观环境、技术研究、落地应用、创新经济、制度保障五维度,勾勒出了泛在智能的全景全貌。

司晓在演讲中指出:“未来,智能技术会是一个渗入到生活、无所不在的状态,可以说它很重要,因为万物都会依赖于它;也可以说它不起眼,因为智能技术化为无形,融于万物其中了。腾讯正在向着这样的目标努力。”

“泛在智能”,是此次白皮书中腾讯对人工智能当前及未来一段时间发展状态的描述。用更通俗的话来说,即人工智能技术将广泛渗入新型基础设施建设,且获得越来越多元的应用场景和更大规模的受众。

在“泛在智能”背后,是人工智能正在走进产业供需融合的新发展期。为此,白皮书还对AI基础技术的发展进程及趋势,疫情背景下AI的落地应用,AI催生创新经济的表现以及相应制度保障进行了专门的分析。

人工智能进入泛在智能阶段

近十余年来,人工智能迎来了高速发展,最早期的学术探索快速转向应用落地,人工智能已经成为企业数字化、产业智能化的全新主动力。

白皮书认为,在疫情之后的近未来,将是全球经济重建的重要时期,也是社会转型的重要时期。这为人工智能的发展打开了新的窗口期,并将提供丰富的实践场,一个“泛在智能”的世界正在加速成为现实。

这一观点的背景,是当前AI和产业互联网的发展阶段和状态。

白皮书指出,国家层面对人工智能的政策支持正在为产业发展按下快进键。自2015年国家产业政策正式提及人工智能以来,政策从初期的聚焦于体系设计、技术研发以及标准制定,发展至将AI纳入“新基建”范畴。至今,相关政策在5年时间内已经历了4个阶段的发展升级,为我国进一步加快推进“泛在智能”提供了极为有利的条件与机遇。

同时,白皮书提到,泛在智能的加速发展,也依赖于市场需求和供给各方面所具备的资源禀赋。如今,人工智能正在进入供需融合创新的发展期。

从供给侧来看,得益于这些年互联网大发展形成的数字化基础和生态环境,智能产业生态正在不断丰富,聚焦价值领域,争夺先发优势。尤其在技术、数据、资本、市场和平台五个方面。

比如在技术上,AI技术已经从实验室走向大规模商业应用;在数据方面,数据正式成为国家生产要素,数据+智能的双轮驱动,正在加速各行业的智能化;在资本层面,投资界对人工智能的认知开始回归理性,从单纯的追逐热点,转向更加注重核心技术能力和应用潜力;在市场方面,率先开始智能化转型的需求方走上“数据积累—模型优化—应用升级”的迭代优化循环,从而更多使用AI,使得供需双方更容易形成稳定、长期的合作关系,更易构筑先发优势,供需互促的正向循环基本建立;在平台方面,AI开放平台模式成为行业共识,大厂的平台化布局正在作为高效的技术供给模式,促进整个AI生态的发展繁荣。

与此同时,需求侧正在与供给侧相融合。受长期的经济转型压力和近期抗疫恢复形成的双重牵引影响,人口红利转化为创新红利所引发的转型需求、超大规模且多样的应用需求以及疫情等黑天鹅催生的新兴需求,正在对人工智能技术和产业化落地提出了更多的要求,也为人工智能发展创造了更多“潜在刚需”的新场景,推动“智能+”不断深入。

起底基础技术,应用与技术螺旋上升

AI的“泛智”,得益于基础应用技术的成熟,以机器学习和深度学习人工智能为主题的浪潮,被认为是当前人类所面对的最为重要的技术社会变革之一。

此次,白皮书重点关注了机器学习、计算机视觉、智能语音以及自然语言处理四个较为成熟技术的发展动力、前沿动态以及未来发展方向。

白皮书指出,近年来,催生这些人工智能技术市场快速发展的动力,同样遵循供需融合的驱动逻辑。

比如在计算机视觉方面,随着近几年技术的不断成熟,中国计算机视觉市场得到快速增长,得益于视频爆炸时代下指数级增长的海量视频数据处理需求,以及重点落地场景对于技术精度的需求,更精准的处理成为推动计算机视觉发展的必经之路。

如腾讯觅影AI和腾讯云技术的人工智能CT设备在新冠肺炎疫情期间,在湖北多家医院进行部署,帮助医护人员进行诊疗。在患者做完CT检查后,设备数秒就可完成AI识别,在一分钟内为医生提供辅助诊断参考,诊断效率提升数倍,有效缓解了疫情初期医疗资源严重不足的严峻形势。

再比如市场规模仅次于视觉技术的语音技术,随着人机交互模式的范式转变,以及互联网应用的增多,语音技术相关的业务需求将进一步增大,业务对技术的反向促进作用将更加明显。

相对应的,这些技术的进展及其未来方向也同供需侧的协同发展紧密相关。

目前,腾讯在自然语言处理方面,正沿着学术研究-产业应用-生态建设三方面推进。学术研究的主题涵盖语义理解、文本生成、智能对话、机器翻译等领域,大多科研问题来源于各个业务场景中的实际问题,科研产出的模型和策略上线后可以进一步优化和提升业务效果,达到良性循环。最后通过在资源传递上推进数据库和模型分享,打造一定的平台基础与规模优势。

而对于未来的发展方向,白皮书预测,其发展将主要聚焦于突破质量、场景和表达限制。

落地应用长足发展,疫情成AI试金石

突如其来的新冠肺炎疫情,给全球经济发展造成了巨大冲击,各类生产经营活动一度被按下暂停键。抗击疫情和复苏经济的双重需求,主动引导着人工智能为首的技术在数字经济发挥中坚作用,持续释放应用价值。

白皮书从中选取了AI+医疗、AI+城市、AI+制造/服务以及AI+数字内容这四个重要切面,以验证AI表现,探讨其发展前景。

比如在医疗领域,一方面是供给侧的医疗资源紧张且分布不均衡、优质医生短缺,另一方面则是人口老龄化、疫情爆发等带来的需求加大,行业痛点愈发明显。疫情期间,AI落地图像识别、医药筛选、远程问诊等场景,一定程度上缓解痛点,提升了医疗体系的运转效率。未来,AI也将应用于公共卫生应急体系构建、个人健康管理、药物研发、药品智能销售以及医疗保险类服务等场景。

同样,AI应用于智慧城市领域,带来基础设施升级,逐步融入城市治理体系;AI+数字内容则多点开花,成为赋能内容行业的重要生产力;AI应用于制造以及服务领域,针对安全复工复产的需求,多人快速测温等一批人工智能解决方案应运而生。面对大量工厂工人无法按时复工的痛点,依靠视觉识别的智能检测设备大显身手,未来的新型人机协作模式有望进一步形成,相应的智能化转型成为了制造业和服务业提高抗风险能力的发展方向。

在疫情防控领域,为了帮助社区防疫,避免交叉感染,腾讯推出了健康申报、人车管理、体温筛查以及智能隔离等抗“疫”功能,在全国很多小区落地。疫情早期,腾讯优图的车辆识别技术能够对外来车辆自动识别登记,同时对出入社区的湖北牌照车辆进行提示,并对湖北牌照,但近期没有去过湖北的车辆进行白名单处理。这些看似很小的点滴却蕴含城市治理的大量细节,腾讯去年也提出了未来城市WeCity的发展蓝图,在这里面有很大的应用空间。

在制造领域,腾讯推出基于智能钛核心功能打造的一站式工业AI 平台方案TI-Insight,应用于缺陷检测、视频检测、质量监控等图像视觉的应用场景,支持用户从0到1快速构建模型、1到N快速迭代训练模型。

长远来看,数字化、网络化、智能化的应用让中国经济、社会变得更有韧性。这种特质除了在疫情期间发光发热,也将令人工智能真正逐渐转变为像网络、电力一样的基础服务设施,无所不在,无所不含,真正渗透到社会经济的方方面面。

人工智能催生未来经济

经过此次疫情,AI按下了加速键。本次疫情中得到初步尝试的“无人经济”,在疫情后也有望继续渗透。人工智能与经济社会各行业各领域融合创新水平不断提升,在技术和商业的叠加发展过程中,也在不断催生出新业态、新场景、新融合、新交互以及新目标。

比如疫情带来的“宅生活”,让以“非接触 ”的服务模式成为了新的经济增长点。无人零售、无人值守、物流运输等行业的非接触式服务需求大涨,推动“零售+AI”打通单点智能场景,通过智能物资调配、智能营销推荐、智能配送实现全产业链“非接触”配置,最终催生出零售的新业态。

白皮书也提到,疫情背景下,一些新场景正在涌现。比如崭露头角的自动驾驶场景。在国内,受无接触服务的影响以及自动驾驶商业化加速,一众厂商开始试水自动驾驶应用,自动驾驶汽车在外卖和物资配送、物流、城市消杀作业等方面开始发挥作用。同时,仿真平台建设、新基建加持等更为自动驾驶创造了发展机遇。

而伴随着人工智能、5G、虚拟现实等新技术融合发展,新一代媒体将由人工智能驱动,人工智能可能给数字内容领域带来重塑。其中,可以实现换脸、人脸合成、语音合成、视频生成、数字虚拟人等诸多应用形式的“深度合成”技术,作为人工智能技术发展到一定阶段的产物,将迎来商业化时代。伴随着技术门槛的持续降低,创新性的应用形式将持续涌现。

同时,白皮书还列举了以多模态虚拟人为代表的新交互和以AI for FEW的新目标。

实际上,“泛在智能”归根结底仍然是以更普惠、更负责任的发展为目标,新商业和新经济将是技术发展路上附赠的礼物。

白皮书也在末尾指出,未来人工智能的健康可持续发展,也需要合理的制度建设与良好的治理来保障。比如在治理层面,通过构建多层次的治理体系,来适应人工智能所具有的快速发展迭代、日益复杂化等特征;在立法和监管方面,充分考虑国际竞争、技术的经济社会价值等视角,推动先行先试;同时兼顾多利益相关方,推动人工智能治理的跨学科参与和国际合作。




专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“AI46” 可以获取《腾讯人工智能白皮书:泛在智能》专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看获取5000+AI主题知识资源
登录查看更多
0

相关内容

主题: 2019年人工智能的发展

摘要:

人工智能是一个很宽泛的概念,概括而言是对人的意识和思维过程的模拟,利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率,特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测,到2030年人工智能的出现将为全球GDP带来额外14%的提升,相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性,并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据,世界人工智能市场将在2020年达到6800亿元人民币,复合增长率达26.2%,而中国人工智能市场也将在2020年达到710亿元人民币,复合增长率达44.5%。

我国发展人工智能具有多个方面的优势,比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等,但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术(计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等)、人工智能典型应用产业与场景(安防、金融、零售、交通、教育、医疗、制造、健康等)做出了梳理,而且同时强调人工智能开放平台的重要性,并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后,列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动,我国整个人工智能行业的生态圈也会逐步完善,从而为智慧社会的建设贡献巨大力量。

成为VIP会员查看完整内容
0
38

德勤发布中国人工智能产业白皮书,内容关于人工智能行业综述,人工智能商业化应用,以及中国主要人工智能产业发展区域及定位。

主要发现

  1. 中国人工智能产业发展迅速, 但整体实力仍落后于美国。中国人工智能产业发展迅速, 2018年中国人工智能市场规模有望超过300亿元人民币。人工智能企业数量超过1000家,位列全球第二。本次人工智能浪潮以从实验室走向商业化为特征, 其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、 大规模多频次的投资以及逐渐清晰的用户需求。与此同时,中国处于人工智能发展初期, 基础研究、 芯片、 人才方面的多项关键指标与美国差距较大。

  2. 中国企业价值链布局侧重技术层和应用层, 对需要长周期的基础层关注度较小。人工智能产业链分为基础层(芯片、 算法框架)、 技术层(计算机视觉、自然语义理解、 语音识别、 机器学习) 和应用层(垂直行业/精确场景)。中国企业布局比较偏好技术相对成熟、 应用场景清晰的领域, 对基础层关注度较小。瞄准AI专用芯片或将为中国企业另辟蹊径。

3.科技巨头生态链博弈正在展开,创业企业则积极发力垂直行业解决方案,深耕巨头的数据洼地, 打造护城河。科技巨头构建生态链, 已经占据基础设施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡, 更多的创业企业将发力深耕巨头的数据洼地(金融、 政府事务、 医疗、 交通、 制造业等),切入行业痛点, 提供解决方案, 探索商业模式。

  1. 政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道,早期进入的企业逐步建立行业壁垒, 未来需要解决数据割裂问题以获得长足发展。各地政府的工作内容及目标有所差异, 因而企业提供的解决方案并非是完全标准化的,需要根据实际情况进行定制化服务。由于政府一般对于合作企业要求较高,行业进入门槛提高, 强者恒强趋势明显。

  2. 人工智能在金融领域的应用最为深入, 应用场景逐步由以交易安全为主向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工智能在金融行业的应用, 改变了金融服务行业的规则, 提升金融机构商业效能,在向长尾客户提供定制化产品的同时降低金融风险。

  3. 医疗行业人工智能应用发展快速,但急需建立标准化的人工智能产品市场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康, 医疗又是一个受管制较严的行业。人工智能能否如预期广泛应用, 还将取决于产品商业化过程中如何制定医疗和数据监管标准。

  4. 以无人驾驶技术为主导的汽车行业将迎来产业链的革新。传统车企的生产、 渠道和销售模式将被新兴的商业模式所替代。新兴的无人驾驶解决方案技术公司和传统车企的行业边界将被打破。随着共享汽车概念的兴起。无人驾驶技术下的共享出行将替代传统的私家车的概念。随着无人驾驶行业规范和标准的制定, 将衍生出更加安全和快捷的无人货运和物流等新兴的行业。

  5. 人工智能在制造业领域的应用潜力被低估,优质数据资源未被充分利用。制造业专业性强, 解决方案的复杂性和定制化要求高, 所以人工智能目前主要应用在产品质检分拣和预测性维护等易于复制和推广的领域。然而, 生产设备产生的大量可靠、 稳定、 持续更新的数据尚未被充分利用, 这些数据可以为人工智能公司提供优质的机器学习样本, 解决制造过程中的实际问题。

  6. 人工智能加速新零售全渠道的融合,传统零售企业与创业企业结成伙伴关系, 围绕人、 货、 场、 链搭建应用场景。人工智能在各个零售环节多点开花, 应用场景碎片化并进入大规模实验期。传统零售企业开始布局人工智能, 将与科技巨头在应用大数据和人工智能领域同台竞技, 意味零售商将更加积极与创业公司建立伙伴关系。

  7. 政策与资本双重驱动推动人工智能产业区域间竞赛, 京沪深领跑全国, 杭州发展逐步加速。京津冀、 珠三角、长三角以及西部川渝地区成为人工智能企业聚集地区。北京、 上海、 深圳牢牢占据人工智能城市实力第一梯队的位置, 广州的大型企业与初创企业数量较少, 杭州主要依靠阿里巴巴,因而属于第二梯队, 重庆则受到技术与人才基础限制处于第三梯队。

  8. 各地政府以建设产业园的方式发挥人工智能产业在推动新旧动能转换中的作用。人工智能产业园呈现多点开花、 依托原有高科技产业园以及与原有园区企业产生联动效应的特点。但由于建设速度过快, 园区也出现了空心化与人才缺口的问题。

12.杭州未来科技城抓住人工智能产业快速发展的机会并取得显著成绩,未来可以从人才、 技术、 创新三要素入手进一步打造产业竞争力。推出培养、 吸引、 保留人才的具体措施, 建立具有成长性的人才库;通过完善产业链布局, 发现高价值技术企业并了解企业诉求。提高对技术型企业的招商效率;从创新主体、创新资源和创新环境三个层次聚集创新要素, 打造利于企业创新创业的有利条件。

成为VIP会员查看完整内容
0
53

摘要: 当前,全球大数据正进入加速发展时期,技术产业与应用创新不断迈向新高度。大数据通过数字化丰富要素供给,通过网络化扩大组织边界,通过智能化提升产出效能,不仅是推进网络强国建设的重要领域,更是新时代加快实体经济质量变革、效率变革、动力变革的战略依托。 本白皮书是继《大数据白皮书(2014年)》、《大数据白皮书(2016年)》、《大数据白皮书(2018年)》之后中国信通院第四次发布大数据白皮书。本白皮书在前三版的基础上,聚焦一年多来大数据各领域的进展和趋势,梳理主要问题并进行展望。在技术方面,重点探讨了近两年最新的大数据技术及其融合发展趋势;在产业方面,重点讨论了我国大数据产品的发展情况;在数据资产管理方面,介绍了行业数据资产管理、数据资产管理工具的最新发展情况,并着重探讨了数据资产化的关键问题;在安全方面,从多种角度分析了大数据面临的安全问题和技术工具。希望本白皮书的分析可以对政府和行业提供参考。

目录:

一、国际大数据发展概述. 1

  • (一)大数据战略持续拓展. 1
  • (二)大数据底层技术逐步成熟. 2
  • (三)大数据产业规模平稳增长. 3
  • (四)大数据企业加速整合. 5
  • (五)数据合规要求日益严格. 6

二、融合成为大数据技术发展的重要特征. 8

  • (一)算力融合:多样性算力提升整体效率. 8
  • (二)流批融合:平衡计算性价比的最优解. 9
  • (三)TA融合:混合事务/分析支撑即时决策. 10
  • (四)模块融合:一站式数据能力复用平台. 11
  • (五)云数融合:云化趋势降低技术使用门槛. 11
  • (六)数智融合:数据与智能多方位深度整合. 12

三、大数据产业蓬勃发展. 14

  • (一)大数据产业发展政策环境日益完善. 14
  • (二)各地大数据主管机构陆续成立. 17
  • (三)大数据技术产品水平持续提升. 20
  • (四)大数据行业应用不断深化. 22

四、数据资产化步伐稳步推进. 25

  • (一)数据:从资源到资产. 25
  • (二)数据资产管理理论体系仍在发展. 26
  • (三)各行业积极实践数据资产管理. 27
  • (四)数据资产管理工具百花齐放. 29
  • (五)数据资产化面临诸多挑战. 31

五、数据安全合规要求不断提升. 35

  • (一)数据相关法律监管日趋严格规范. 35
  • (二)数据安全技术助力大数据合规要求落地. 36
  • (三)数据安全标准规范体系不断完善. 39

六、大数据发展展望. 41

成为VIP会员查看完整内容
0
46

12月2日,国家工业信息安全发展研究中心发布了《人工智能中国专利技术分析报告》。在科学分类和深入研究的基础上,对人工智能下深度学习技术、语音识别、计算机视觉、云计算、自然语言处理、智能驾 驶、智能机器人这七个分支在中国的专利态势进行深度分析。该报告主题明确、内容翔实、数据严谨,前瞻探索颇具深度。

新一轮科技革命和产业变革正在萌发,在移动互联网、大数据、 超级计算、传感网、脑科学等新理论新技术的驱动下,人工智能发展 进入新阶段,智能化成为技术和产业发展的重要方向。作为引领新一 轮科技革命和产业变革的战略性技术,人工智能具有溢出带动性很强 的“头雁”效应。世界发达国家均将人工智能上升为国家战略,纷纷 出台相关计划,力图在新一轮国际科技竞争中抢占产业技术制高点。近二十年来,全球各大企业、大学、研究机构等纷纷加快人工智能技 术研发脚步,全球人工智能专利申请量成快速上升趋势,IBM、微软、 三星等国外企业均积极在人工智能领域进行专利布局。

中国高度重视人工智能产业的发展。2017 年国务院发布《新一 代人工智能发展规划》,对人工智能产业进行战略部署;在 2018 年 3 月和 2019 年 3 月的政府工作报告中,均强调指出要加快新兴产业发 展,推动人工智能等研发应用,培育新一代信息技术等新兴产业集群 壮大数字经济。截至 2019 年 10 月,中国人工智能专利申请量累计 44 万余件,超越美国成为 AI 领域专利申请量最高的国家。国家电网、 百度、中国科学院、腾讯、清华大学等国内主要专利权人正不断形成 人工智能技术积累,提升在全球人工智能专利布局中的竞争实力。

成为VIP会员查看完整内容
人工智能中国专利技术分析报告.pdf
0
47

当然,工业互联网平台还有很多问题需要突破和解决,在过去一年多的发展中也面临不少挑战和困难。如很多平台还需要大幅提升实际解决制造企业生产和运营优化的能力,还需要不断探索应用模式和路径,还需要加快商业模式的创新和突破,特别是要在平台建设投入与市场回报之间取得较好平衡,以支撑平台的可持续发展。但总体看,制造业数字化转型已是大势所趋,工业互联网平台对于制造业数字化转型的支撑作用将会越来越强,当前平台发展中遇到的问题更多是产业爆发前期在技术、应用和商业方面的不断试错和修正,都将不断推动工业互联网平台走向成熟和完善。在这样一个发展阶段,工业互联网产业联盟(以下简称“联盟/AII”)联合40余家国内外平台企业共同编写和发布《工业互联网平台白皮书(2019讨论稿)》,希望从应用、技术、产业和商业等方面研究和分析工业互联网平台的发展脉络和最新状况,并一定程度上对未来发展方向有所预见,为业界厂商、政府机构和投资者等利益相关方提供有益参考,共同促进工业互联网平台发展成熟。

成为VIP会员查看完整内容
0
13

中国信息通信研究院已连续三年发布国际数字经济白皮书,在国际会议、国际合作等方面产生一定影响。2019年,在延续以往研究的基础上,本白皮书拓展了测算国家范围,深入分析 了各国ICT产业和传统产业数字化转型的最新进展,希望研究成果能为推动构建网络空间命运 共同体贡献力量。

成为VIP会员查看完整内容
0
5

10月27日上午,在全国信息安全标准化技术委员会2019年第二次工作组“会议周”上,《人工智能安全标准化白皮书(2019版)》正式发布。白皮书由中国电子技术标准化研究院、清华大学、百度、华为、360、阿里巴巴等29家企事业单位共同编制。白皮书调研了人工智能发展情况,梳理了国内外人工智能安全的法规政策和标准化现状,分析了人工智能安全的风险挑战和属性内涵,研究给出了人工智能安全标准化体系框架,提出了人工智能安全标准化工作建议。

成为VIP会员查看完整内容
0
19
小贴士
相关论文
Le Yang,Yizeng Han,Xi Chen,Shiji Song,Jifeng Dai,Gao Huang
5+阅读 · 3月16日
Hao Peng,Jianxin Li,Qiran Gong,Yangqiu Song,Yuanxing Ning,Kunfeng Lai,Philip S. Yu
6+阅读 · 2019年6月9日
Single-Image Piece-wise Planar 3D Reconstruction via Associative Embedding
Zehao Yu,Jia Zheng,Dongze Lian,Zihan Zhou,Shenghua Gao
6+阅读 · 2019年2月26日
Xuesong Li,Jose E Guivant,Ngaiming Kwok,Yongzhi Xu
6+阅读 · 2019年1月24日
Stacked Spatio-Temporal Graph Convolutional Networks for Action Segmentation
Pallabi Ghosh,Yi Yao,Larry S. Davis,Ajay Divakaran
3+阅读 · 2018年12月6日
Mathijs Schuurmans,Maxim Berman,Matthew B. Blaschko
5+阅读 · 2018年6月7日
Christian Bailer,Tewodros Habtegebrial,Kiran varanasi,Didier Stricker
4+阅读 · 2018年5月8日
Junliang Guo,Linli Xu,Xunpeng Huang,Enhong Chen
3+阅读 · 2018年3月5日
Zhixing Tan,Mingxuan Wang,Jun Xie,Yidong Chen,Xiaodong Shi
12+阅读 · 2017年12月5日
Jonathan Long,Evan Shelhamer,Trevor Darrell
3+阅读 · 2015年3月8日
Top