IT之家9月3日消息，锂电池寿命的准确预测对于电气设备的正常运行至关重要。然而，由于电池容量退化过程的非线性和运行条件的不确定性，电池寿命的准确预测面临着挑战。中国科学院表示，大连化学物理研究所能源催化转化全国重点实验室动力电池与系统研究部研究员陈忠伟、副研究员毛治宇团队，联合西安交通大学教授冯江涛在电池健康管理研究方面取得进展。相关研究成果已经发表在《电气电子工程师学会交通电气化学报》上（IT之

近日，清华大学与密歇根大学联合提出的自动驾驶汽车安全性「稀疏度灾难」问题，发表在了顶刊《NatureCommunications》上。研究指出，安全攸关事件的稀疏性导致深度学习模型训练难度大增，提出了密集学习、模型泛化改进和车路协同等技术路线以应对挑战。随着自动驾驶技术的快速发展，交通系统迎来了前所未有的变革。尽管自动驾驶技术在过去二十年中取得了显著进步，但L4级别自动驾驶汽车尚未实现商业化，其主

图神经网络诞生以来得到广泛的应用，能将世界不同对象之间的关系表示出来。今天，谷歌团队官宣发布TensorFlow-GNN1.0，一个用于大规模构建GNN的经过生产测试的库。2005年，划时代之作「TheGraphNeuralNetworkModel」的问世，将图神经网络带到每个人面前。在此之前，科学家处理图数据的方式是，在数据预处理阶段，将图转换为一组「向量表示」。而CNN的出现彻底改变这种信息丢

【新智元导读】最近来自浙江大学ReLER实验室的研究人员提出SIFU模型，一种侧视图条件隐函数模型用于单张图片3D人体重建。模型通过引入人体侧视图作为先验条件，并结合扩散模型进行纹理增强，在几何与纹理重建测试中均达到SOTA，并且在真实世界中具有多种应用场景。在AR、VR、3D打印、场景搭建以及电影制作等多个领域中，高质量的穿着衣服的人体3D模型非常重要。传统的方法创建这些模型不仅需要大量时间，还

今天，备受广大开发者欢迎的深度学习框架Keras，正式更新了3.0版本，实现了对PyTorch和JAX的支持，同时性能提升，还能轻松实现大规模分布式训练。经过5个月的公开Beta测试，深度学习框架Keras3.0终于面向所有开发者推出。全新的Keras3对Keras代码库进行了完全重写，可以在JAX、TensorFlow和PyTorch上运行，能够解锁全新大模型训练和部署的新功能。「Keras之父

感谢IT之家网友Alejandro86的线索投递！IT之家10月22日消息，全息图像可以提供物体的三维（3D）视觉效果，比二维（2D）图像更加真实和立体，在医学成像、制造业、虚拟现实等多个领域都有着巨大的价值。IT之家注意到，传统的全息技术需要记录物体的三维数据和与光线的相互作用，这个过程需要很高的计算能力和专门的摄像机来拍摄三维图像，这种复杂性限制了全息图像的广泛应用。近年来，也有许多基于深度学

IT之家8月7日消息，你是否知道，你在键盘上输入的内容可能会被别人偷听到？英国的一些研究人员开发了一个深度学习模型，可以通过捕捉和解码键盘敲击声来窃取敏感信息，比如用户名、密码和消息，准确率高达95%。图源PexelsIT之家注意到，这种声音识别算法可以在不需要访问设备麦克风的情况下，通过Zoom和Skype等视频会议软件来监听用户的键盘敲击声，并推断出他们输入的内容，但准确率会分别降到93%和9

叮！您的深度学习口袋书教程，请查收。这本袖珍版教程，不仅能让你零基础看懂深度学习，据说十二岁小孩也爱看：专为手机阅读而打造，155页内容，还都是免费的！不卖关子，最近一本适合手机阅读的袖珍版深度学习教程在网上爆火，能从概念这样的“基础知识”开始带你走近深度学习，一个月就有超过23万人下载：这本可以轻松在手机上阅读的“掌上小书”，由瑞士日内瓦大学的计算机科学教授FrançoisFleuret撰写。一

最近，曾拿到斯坦福、UCL、CMU、NYU博士offer、目前在华盛顿大学读博的知名测评博主TimDettmers在自己的网站又上线了深度学习领域的GPU深度测评，到底谁才是性能和性价比之王？众所周知，在处理深度学习和神经网络任务时，最好使用GPU而不是CPU来处理，因为在神经网络方面，即使是一个比较低端的GPU，性能也会胜过CPU。深度学习是一个对计算有着大量需求的领域，从一定程度上来说，GPU

支持10余种图像文本任务，囊括20多种数据集，还提供SOTA模型性能和可复现预训练及微调实验配置。没错，这是一个视觉语言深度学习框架就可以拥有的。这个库的庐山真面目是：Salesforce亚洲研究院推出的LAVIS。并且，它还统一了接口，降低开发成本和入门门槛。最重要的是：已开源！LAVIS全⽅位⽀持视觉语⾔任务、数据集、模型。如果还不能看不出它的优势，那话不多说，直接看LAVIS与现有多模态库的

感谢IT之家网友OC_Formula的线索投递！IT之家4月13日消息，深度学习公司Lambda与雷蛇合作，发布了新的LambdaTensorbook笔记本电脑，号称是世界上为深度学习设计的最强大的笔记本电脑，可以使用Linux和Lambda的深度学习软件。这款笔记本电脑配合LambdaGPU云，为工程师提供了他们在本地创建、训练和测试深度学习模型所需的所有软件工具和计算性能。Lambda于201

Prompttuning，作为NLP领域中的一个“新宠”，甚至曾被学者誉为NLP预训练新范式。那么，它能否借鉴到CV领域并产生同样的成绩呢？现在，来自康奈尔大学和MetaAI等机构，通过Prompt来调整基于Transformer的视觉模型，结果发现：完全可以！比起全面微调，Prompt性能提升显著。无论模型的规模和训练数据怎么变，24种情况中有20种都完全胜出。与此同时，它还能大幅降低每项任务所

换脸见多了，换身材的见过吗？给定一张脸，就能自动换一个下半身，服饰、身材、肤色都毫无PS痕迹：核心技术当然还是我们熟悉的GAN，但不同的是，现在身体的每个部分都能被PS了。从脸，肤色、服饰、头发等身体各个部位，甚至到肢体动作，都能被随意设计和组合，最终“缝”成一张1024×1024分辨率的全身照片：而且这张“缝合怪”还完全没有拼接行为带来的阴影和边界：▲ 上方的面部由新方法生成，阴影边界

在不同初始化条件下，同一神经网络经过两次训练可以得到相同的结果吗？CVPR2022的一篇研究通过将决策边界 （DecisionBoundary）可视化的方法，给出了答案——有的容易，有的很难。例如，从下面这张图来看，研究人员就发现，ViT比ResNet要更难复现（两次训练过后，显然ViT决策边界的差异更大）：研究人员还发现，模型的可复现性和模型本身的宽度也有很大关联。同样，他们利用这种方

看图看片，对现在的AI来说早已不是什么难事。不过让AI分析视频中的人类动作时，传统基于目标检测的方法会碰到一个挑战：静态物体的模式与行为动作的模式有很大不同，现有系统效果很不理想。现在，来自上海交大的卢策吾团队基于这一思路，将整个任务分为了两个阶段：先将像素映射到一个“基元活动”组成的过度空间，然后再用可解释的逻辑规则对检测到的基元做推断。△ 左：传统方法，右：新方法新方法让AI真正看懂

本周，PyTorch迎来了自己的5岁生日，官方发布可一条Twitter庆祝。今天是PyTorch公开发布5周年！我们没想到会走这么远，但我们现在达成了这些成就——2000贡献者，9万项目，GitHub上390万行“importtorch”。你细看，官方推文还复古了一把，图片里用上了5年前的原始Logo。追忆5年前，首个公开版PyTorch还不支持Windows，Python最新版还是3.5，当时苹

IT之家1月12日消息，在CES2022上，AMD发布了一项基于FidelityFX超分辨率的新功能，称为RSR（Radeon超分辨率）。该公司证实，这项技术将在第一季度随新驱动程序一起出现，不依赖游戏开发者的软件实现。与此同时，英伟达今日发布了深度学习动态超分辨率技术(DLDSR)，这是一种人工智能驱动的动态超分辨率(DSR)技术，DLDSR是对DSR的改进，增加了一个由NVIDIATensor

面试宝典千千万，但这一份，应当是深度学习领域里不容错过的那一个了。这不，才在arXiv“上架”12天，GitHub就狂揽了1.5K颗小星星。火爆程度，可见一斑。这就是名为 DeepLearningInterviews的面试书，由量子力学家ShlomoKashani等人所著。这本面试书之所以能这么火爆，是因为它所涵盖的内容，能hold住数百个深度学习面试中可能遇到的问题。而且还是横跨人工智

12月4日-5日，由清华大学人工智能国际治理研究院主办的2021人工智能合作与治理国际论坛在清华大学举行。在以“人工智能技术前沿与治理”为主题的论坛中，中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹从人工智能治理角度，探讨了人工智能技术的发展道路。▲中国科学院院士、清华大学人工智能研究院名誉院长张钹张钹在演讲中指出，现有的人工智能技术常常引起公平性、安全

11月14日消息，DeepMind和中科院神经科学研究所联手了。他们用无监督深度学习揭示出大脑识别人脸的机制。具体来说，大脑会把面部特征分解成一些语义特征，如年龄、性别或是否在微笑，而且是单个神经元对应某个具体特征。▲ 图源MartaGarnelo此外，他们构建的模型利用少量神经元的信号就能还原出整个面部图像，相关论文发表在最新一期NatureCommunications上。论文共同一作