ارسال شده توسط Srivatsan Krishnan، محقق دانشجو، و الکساندرا فاوست، دانشمند تحقیقات ارشد کارکنان، تحقیقات گوگل، تیم مغز یادگیری تقویتی عمیق (RL) همچنان به پیشرفت های بزرگی در حل مسائل تصمیم گیری متوالی در دنیای واقعی مانند ناوبری با بالون، فیزیک هسته ای، رباتیک و بازی ها ادامه می دهد. علیرغم وعده آن، یکی از …
ارسال شده توسط Jeremy Maitin-Shepard و Laramie Leavitt، مهندسان نرم افزار، Connectomics در Google
ارسال شده توسط Carlos Esteves و Ameesh Makadia، دانشمندان پژوهشگر، Google Research یک مشکل دیرینه در تقاطع بینایی کامپیوتر و گرافیک کامپیوتری، سنتز نما وظیفه ایجاد نماهای جدید از یک صحنه از چندین عکس از آن صحنه است. این مورد توجه بیشتری را به خود جلب کرده است [1, 2, 3] از زمان معرفی میدان …
ارسال شده توسط Weicheng Kuo و Anelia Angelova، دانشمندان تحقیقاتی، Google Research، تیم مغز
ارسال شده توسط سانتیاگو بالسیرو، پژوهشگر کارکنان، تحقیقات گوگل، و دانشیار در دانشگاه کلمبیا، و وهاب میرورکنی، دانشمند برجسته، تحقیقات گوگل ظهور فناوری های دیجیتال تصمیم گیری را در بخش های تجاری مانند خطوط هوایی، خرده فروشی آنلاین و تبلیغات اینترنتی تغییر داده است. امروزه، تصمیمات بلادرنگ باید به طور مکرر در محیط های بسیار …
ارسال شده توسط شی چن و شیائو وانگ، مهندسان نرم افزار، تحقیقات گوگل مدل‌های زبان پیشرفته (به عنوان مثال، GPT، GLaM، PaLM و T5) قابلیت‌های متنوعی را نشان داده‌اند و با افزایش تعداد پارامترهای خود، به نتایج چشمگیری در سراسر وظایف و زبان‌ها دست یافته‌اند. مدل‌های زبان بینایی (VL) می‌توانند از مقیاس‌بندی مشابه برای رسیدگی …
ارسال شده توسط Danijar Hafner، محقق دانشجو، Google Research تحقیقات در مورد چگونگی تصمیم گیری عوامل مصنوعی به سرعت از طریق پیشرفت در یادگیری تقویتی عمیق تکامل یافته است. در مقایسه با مدل‌های ML مولد مانند GPT-3 و Imagen، عوامل مصنوعی می‌توانند مستقیماً بر محیط خود از طریق اقداماتی مانند حرکت دادن بازوی ربات بر …
ارسال شده توسط Qihang Yu، محقق دانشجو، و Liang-Chie Chen، دانشمند پژوهشی، تحقیقات گوگل تقسیم بندی پانوپتیک یک مشکل بینایی کامپیوتری است که به عنوان یک وظیفه اصلی برای بسیاری از برنامه های کاربردی دنیای واقعی عمل می کند. به دلیل پیچیدگی، کار قبلی اغلب تقسیم‌بندی پانوپتیک را به تقسیم‌بندی معنایی (تخصیص برچسب‌های معنایی، مانند …
ارسال شده توسط Soravit Beer Changpinyo و Doron Kukliansky، مهندسان ارشد نرم افزار، Google Research پاسخگویی به سوال بصری (VQA) یک کار مفید یادگیری ماشینی (ML) است که به یک مدل برای پاسخ به یک سوال بصری در مورد یک تصویر نیاز دارد. چیزی که آن را چالش برانگیز می کند، ماهیت چند وظیفه ای …
ارسال شده توسط داستین تران و بالاجی لاکشمینارایانان، دانشمندان پژوهشگر، تحقیقات گوگل مدل‌های یادگیری عمیق پیشرفت چشمگیری در بینایی، زبان و سایر روش‌ها داشته‌اند، به‌ویژه با افزایش پیش‌آموزش در مقیاس بزرگ. چنین مدل‌هایی زمانی دقیق‌تر هستند که برای داده‌های آزمایشی که از توزیع مشابه مجموعه آموزشی آن‌ها استخراج شده‌اند، اعمال شوند. با این حال، در …