新聞中心

排序方式

還在撈五條人?不如用AI自己組樂隊

编者按:上周,《乐队的夏天2》的乐队合作 OST(影视原声)改编赛环节结束,不少乐队都是头一次尝试和其他乐队一起,在短時間内配合进行音乐的改编和演出。来自微軟亞洲研究院和浙江大学的全新“音乐人” PopMAG,非常理解这其中的不易,今天就让我们看看它是如何应对的。

发布時間:2020-09-19 類型:深度文章

对话 I 论道機器學習的未来

编者按:近期在微软研究院举办的機器學習前沿论坛中,微软剑桥研究院院长 Christopher Bishop 与微软全球资深副总裁 Peter Lee 进行了一场精彩的炉边对谈,分享了各自对機器學習研究和前沿问题的思考与展望。本文为大家节选、整理了此次对话。

发布時間:2020-09-17 類型:深度文章

自注意模型學不好?這個方法幫你解決!

上周,微軟亞洲研究院高级研究员胡瀚在 B 站分享了 ECCV 2020 论文“解耦自注意模型”。针对自注意模型中的退化现象,论文提出了解耦自注意模型,有效避免了这一退化现象,并证明了其在多种视觉识别任务中广泛有效,包括语义分割、物体检测、动作识别等。

发布時間:2020-09-15 類型:深度文章

周明:預訓練模型在多語言、多模態任務的進展

8月29日至30日,由中国科学技术协会、中国科学院、南京市人民政府为指导单位,中国人工智能学会、南京市建邺区人民政府、江苏省科学技术协会主办的主题为“智周万物”的2020年中国人工智能大会(CCAI 2020)在江苏南京新加坡·南京生态科技岛举办。在大会上,微軟亞洲研究院副院长、国际计算语言学会(ACL)前任主席周明做了主题为《预训练模型在多语言、多模态任务的进展》的特邀报告。在大会上,微軟亞洲研究院副院长、国际计算语言学会(ACL)前任主席、中国计算机学会副理事长周明做了主题为《预训练模型在多语言、多模态任务的进展》的特邀报告。

发布時間:2020-09-10 類型:深度文章

ECCV 2020 | 对损失信息进行建模,实现信号处理高保真还原

信号在我们的日常生活中随处可见,例如:声音、图像、視頻等。然而在信号的传输或存储过程中,往往会面临信号失真、质量变差等问题。今天这篇文章就来探讨一下信号处理中的信息丢失问题,其中包括微軟亞洲研究院機器學習组与北京大学在 ECCV 2020 上发表的 Oral 论文《可逆图像缩放》(Invertible Image Rescaling)等工作。

发布時間:2020-09-04 類型:深度文章

計算機專業求職的正確姿勢

九月,既是开学季,也是在校生们求职的重要時間点。俗话说得好,“金九银十”,如何把握住这个机会,也成了大家讨论的热点。同时,在焦虑情绪弥漫的当下,大家可能也听说过不少“毕业就等于失业”、“计算机专业已经过时,就业市场趋于饱和”之类的言论,那么,计算机专业的职业发展,真的是这样吗?

发布時間:2020-09-03 類型:深度文章

強化學習三大方法,改善AI的遊戲表現

近年来,强化学习为游戏开发带来了新的机遇,Paidia 项目便是最近的成果之一。该项目由微软剑桥研究院与游戏开发商 Ninja Theory 合作开发,不仅推进了强化学习的前沿技术,创造了全新的游戏体验,还开发了能够真正与人类玩家展开团队合作的游戏智能体。本文将详细介绍 Paidia 项目的三项最新研究成果,以及它们将如何引领现代視頻游戏的开发,和其他现实应用领域中的AI创新。

发布時間:2020-09-01 類型:深度文章

KDD 2020 | LRSpeech:极低资源下的語音合成与识别

上周,清华大学硕士研究生、微軟亞洲研究院機器學習组实习生徐进(指导研究员:谭旭)在 B 站分享了 KDD 2020论文“LRSpeech: Extremely Low-Resource Speech Synthesis and Recognition”。本次直播介绍了 LRSpeech 的相关技术,并分享了在构建极低资源語音合成与识别系统中的一些心得体会。

发布時間:2020-08-27 類型:深度文章

ECCV 2020 | 微軟亞洲研究院精选论文摘录

ECCV(European Conference on Computer Vision)是計算機視覺领域的三大顶会之一。今年的 ECCV 大会于8月23日至28日在线上举行。微軟亞洲研究院在本届大会上有21篇论文入选,本文精选了其中6篇有代表性的为大家进行介绍。

发布時間:2020-08-25 類型:深度文章

ECCV 2020 | OCRNet化解语义分割上下文信息缺失难题

图像语义分割一直都是场景理解的一个核心问题。针对语义分割中如何构建上下文信息,微軟亞洲研究院和中科院计算所的研究员们提出了一种新的物体上下文信息——在构建上下文信息时显式地增强了来自于同一类物体的像素的贡献,这种新的上下文信息从语义分割的定义出发,符合第一性原理思维,在2019年7月和2020年1月的 Cityscapes leaderboard 提交结果中都取得了语义分割任务第一名的成绩。相关工作“Object-Contextual Representations for Semantic Segmentation”已经被 ECCV 2020 收录。

发布時間:2020-08-20 類型:深度文章

?