热搜话题榜单

全球第一！百度深度学习专利申请量是第二名3倍还多

近日，全球领先的知识产权解决方案提供商Questel发布了一份关于深度学习领域的专利全景报告。百度在深度学习领域的专利申请量达到了惊人的6751件，是排名第二的公司的三倍多，稳居全球首位。在该报告中，百度是唯一上榜的中国主体。

12年前上手深度学习，Karpathy掀起一波AlexNet时代回忆杀，LeCun、Goodfellow等都下场

自2012年AlexNet开启的深度学习革命已经过去了12年。我们也进入了大模型的时代。虽然现在有了高级框架，但在它们无法轻松实现极致性能时，仍然需要回到最底层，亲自编写CUDA/C代码。

CS25官网体验入口 斯坦福大学深度学习AI课程免费在线使用地址

CS25是斯坦福大学提供的一门课程，主要探讨深度学习模型Transformers，该模型在全球范围内产生了巨大影响。课程邀请了Transformers研究领域的前沿人物，讨论从GPT和Gemini等LLM架构到创造性应用在内的最新突破。要了解更多关于CS25课程的信息，以及开始您的深度学习之旅，请访问CS25官方网站。

Magika:基于AI支持的文件类型检测工具，依靠深度学习提供准确的检测

数字化时代，对我们所遇到的文件进行准确识别至关重要，这涉及到用户安全和信息保护的方方面面。在处理众多文件格式时，如何准确迅速地检测文件内容成为一项挑战。尽管已经超越了现有方法，但Magika团队承认仍有改进的空间，并鼓励社区提供反馈，以进一步增强对其他内容类型的支持。

YOLOv9官网体验入口 AI目标检测深度学习工具下载地址

YOLOv9是一款目标检测深度学习模型实现工具，通过使用可编程梯度信息来学习用户想要学习的内容。这个开源项目具有高效和准确的优势，主要用于目标检测任务。要获取更多详细信息并开始您的深度学习之旅，请访问YOLOv9官方网站。

SCEPTER官网体验入口 阿里深度学习生成模型开源库在线访问地址

SCEPTER是一个开源代码库，致力于生成式模型的训练、调优和推理，涵盖图像生成、迁移、编辑等一系列下游任务。它整合了社区主流实现以及阿里巴巴通逸实验室自研方法，为生成式领域的研究人员和从业者提供全面、通用的工具集。要了解更多关于SCEPTER的信息以及开始体验其强大功能，请访问官方网站：SCEPTER官网。

DL3DV-10K数据集:可用于深度学习的3D视觉大规模场景

神经视图合成在从多视图视频生成逼真的三维场景方面提出了复杂的挑战，尤其是在多样化的真实世界场景中。当前先进的NVS技术在面对照明变化、反射、透明度和整体场景复杂性的变化时，其局限性变得明显。数据集的先进和方法学创新的结合推动该领域朝着更加强大和多功能的神经视图合成能力迈进。

文生图工具SD4J: 可通过深度学习生成图像 简化文生图复杂任务

SD4J是一款强大的文本到图像生成工具。通过深度学习，SD4J能够将文字描述独特地转化为生动的图像，并能够理解负面输入，使用户能够指定不希望出现在图像中的元素，提供更多的定制和控制。通过深度学习、用户友好的界面以及处理负面输入和调整引导比例等功能的融合，SD4J在文本到图像生成方面开启了新的领域，具有无与伦比的可访问性和效率。

音乐生成深度学习模型StemGen：听取音乐上下文生成音乐作品

字节跳动AI研究团队最近推出了一项名为StemGen的音乐生成项目，该项目采用了一种创新的深度学习方法，旨在让模型能够模仿现有音乐中的模式和结构，并以一种非常前卫的方式回应音乐背景。与常用的深度学习技术不同，StemGen采用了一种非自回归、基于Transformer的模型，强调对音乐背景的听取和响应不是依赖于抽象的条件。通过MeanOpinionScore测试确认了该模型生成逼真音乐结果的能力。

​亚马逊研究人员利用深度学习增强神经网络分析复杂表格数据

亚马逊的研究人员在一篇论文中介绍了一种创新方法，旨在增强神经网络处理复杂表格数据时的性能。表格数据通常由行和列组成，看似简单，但当这些列在性质和统计特征上差异巨大时，就会变得复杂起来。这项研究为神经网络在处理复杂表格数据时的改进提供了新的思路和方法，有望在实际应用中取得更好的效果。

Google DeepMind：通过深度学习发现了220万种新材料

在新的研究中，GoogleDeepMind的科学家们成功开发了一种名为GNoME的框架，通过这一框架，他们在材料科学领域取得了令人瞩目的成果。材料的发现对于技术进步至关重要，涵盖了从清洁能源到信息处理等各行各业的创新。跟随GNoME的足迹，继续在机器学习和科学发现方面取得共同进展，可能会带来深远的影响。

南开山大等开发trRosettaRNA 一种基于深度学习的自动化RNA 3D结构预测方法

南开大学、山东大学以及北京理工大学的联合团队成功开发了一种基于深度学习的自动化RNA3D结构预测方法，命名为trRosettaRNA。该方法采用Transformer网络，通过进行1D和2D几何形状预测，再通过能量最小化实现3D结构折叠。我们期待着深度学习方法在RNA结构预测方面的进一步发展，为理解RNA分子的生物学功能提供更为准确的工具和方法。

研究：代码数据增强技术在深度学习中的应用具有巨大潜力

代码数据增强技术在深度学习中的应用已经取得了一些令人鼓舞的成果。代码模型通过训练大量的源代码语料库，能够模拟代码片段的上下文，已经在多个源代码的下游任务中显示出了出色的性能。代码数据增强技术在深度学习中的应用具有巨大潜力，可以提高模型的性能和稳健性，但仍然需要进一步的研究和探索。

ECOGEN:一种用于生成逼真鸟鸣的深度学习新方法

深度学习技术的崛起显著影响了各个领域，将其影响扩展到不同领域。其中一个显著的应用是利用深度学习技术监测稀有鸟类的鸟鸣。在这项研究中，研究人员使用了全球范围内包括264种不同物种的23，784个野生鸟类录音的数据集。

srf-attention：一个提高深度学习模型训练效率的注意力机制

注意力很有用，但计算成本很高。一旦训练完成，通过一些微调计算，您可以减少SRF注意力并消除对序列长度的依赖，从大大加快速度。它可以帮助研究人员和开发者更高效地构建和训练深度学习模型，提高模型的性能和效率。

谷歌研究人员在 JAX 中引入了一个开源库 用于在球面上进行深度学习

Google研究人员最近推出了一个基于JAX的开源库，旨在解决在球面上进行深度学习的挑战。传统的深度学习模型通常处理平面数据，例如图像，但科学应用中的数据通常是球面数据。3.这项研究有望在分子性质预测和气象预测等领域取得突破性进展，为医疗研究和气候分析提供有力支持。

研究人员推出深度学习模型RECAST 改进地震预测

来自加州伯克利分校、圣克鲁斯分校以及慕尼黑工业大学的研究人员发表论文，阐述了一种崭新的模型，将深度学习引入地震预测领域。该模型被命名为RECAST，相比自1988年问世以来改进有限的当前标准模型ETAS，RECAST可利用更大的数据集，提供更高的灵活性。你会看到它朝着正确的方向发展。

DeepMind研究人员发现，深度学习模型在图像和音频压缩方面表现出色

Google旗下的人工智能子公司DeepMind发布的一项研究表明，大型语言模型除了在文本数据处理方面表现出色之外具备出色的图像和音频数据压缩能力。这一发现为重新审视LLMs的潜力提供了新的角度。这表明LLMs的性能与数据集的大小有关，压缩率可以作为评估模型对数据集信息学习的指标。

JoJoGAN：可一键生成艺术化面部图像的深度学习模型

JoJoGAN是一个深度学习模型，该模型可以将普通的面部图像转化为艺术化的作品，无需专业艺术家或设计师的干预。这项技术可用于各种应用领域，包括艺术创作、虚拟角色设计、社交媒体滤镜和广告营销。它的技术细节和使用指南在文章中都得到了详细介绍，为感兴趣的用户提供了宝贵的资源。

GitHub仓库WebAI开源：允许开发者直接在浏览器中运行现代深度学习模型

web-ai是一个开源的TypeScript库，使开发者可以直接在浏览器或Node.js中运行现代深度学习模型。它提供了一种无需复杂服务器端基础设施或依赖第三方API的方式，将AI能力集成到Web应用程序中。它让开发者可以在不受基础设施问题困扰的情况下进行AI实验。