Meta tags:
keywords= AI芯片,自动驾驶,无人驾驶,智能家居,嵌入式AI,高精地图,计算机视觉,CV,车辆感知,高精度定位,车路协同,公开课,智猩猩;
description= 智猩猩专注于AI、自动驾驶等新兴技术及其应用案例讲解，目前已形成专场和合辑两条产品线。专场自上线以来，NVIDIA、大疆创新、亚马逊、优必选、京东、海尔、恩智浦、平头哥等行业巨头已先后进行过专场讲解；合辑方面已陆续推出自动驾驶系列课、AI芯片系列课、智能家居系列课、计算机视觉系列课、嵌入式AI系列课。;
Headings (most frequently used words):
-
Text of the page (most frequently used words):
智猩猩 (8), name (5), 阅读全文 (5), 2023 (5), nerf (5), 2026 (5), 智东西 (4), 芯东西 (3), 车东西 (3), item (3), slam (3), mlp (3), nvidia (3), 知道了 (3), com (2), 扫码加我直接开聊 (2), dance (2), attention上和在time (2), 面向智算中心的800g互联网络架构演进 (2), spectrum (2), 以太网平台组网设计与选型指南 (2), aiorang, 版权所有, 津icp备2021006210号, 公众号, 媒体合作, 会议咨询, 商务合作, 快把您的需求发给我, 邮件地址, news, zhidx, 寻求报道, 扫码加我直接扔简历, 加入我们, 关于我们, 欢迎来撩, 更多企业专场, company, topic, 非常good, thanks, for, the, question, 我觉得非常有意思, 就是你这两个任务确实是一个, 就是反方向, from, music, yiji, 请问对于music2dance, 或者dance2music任务, 最核心的问题, 挑战是什么呢, 相比于text2image, text2video, 后续可以做的方向还有哪些呢, 的话我们认为它是一个实时的系统, object, 的它就是一个离线的这样一个优化, 其实主要是两部分, simultaneous类和localizatio, slam在文章中的体现在哪呢, 感觉更像是object, 这个问题很好, 传统的, 比如说大家更多的是用的一种显式的表达, 比如说tsdf, voxel, 表达的一是它的重建质量可以很高, 因为现在大家看到像, instant, nerf目前非常火爆, 最近也有很多工作把nerf应用到slam, 相比于传统的slam, based, slam的优势在哪, 未来的发展方向又是怎样的呢, 首先就是一个点, 你可以看一下, kilo, 因为小的, 的表达就是这个表达能力可能会多个m, 可能会比一个整体的大, 的表达能力会更强, 当然这个是没有进行, 就是进一步地探, 一个场景中针对不同小物体的单独mlp网络怎么结合起来的, 这跟直接用一个大的mlp网络来代表整个场景相比为什么会占用更小的memory, 那首先在首先说3d的数据图像数据上来说, 就要求我们收集到的数据本身它有3d的信息, 也就是说我们要求说这个被试有看3d的图像这样子, 我们才可以对这些数据集进行微调, 另外就是在cross, atte, 陈博士您好, 请问mind, vis可以用到3d的图像数据生成上吗, 在cross, embedding上加的条件分别有什么作用呢, 除了在cross, embedding上加条件之外, 还有什么地方可以加条件呢, 全部问答, 精彩问答, 地平线技术专场, 魔珐科技专场, 中茵微电子公开课, 晶通科技公开课, 新思科技专场, 奇点光子光互联公开课, arm公开课, 智源研究院具身智能技术公开课, 黑芝麻智能专场, 进迭时空risc, cpu专场, 锐捷网络aidc互联专场, nvidia专场, 企业专场, ai芯片合辑第四季, 移动机器人技术系列课, 智猩猩存算一体芯片公开课, 大模型技术公开课, 智猩猩ai新青年讲座自动驾驶专题, 智猩猩ai新青年讲座, 构建物理, 时代的仿真基础设施, omniverse, nurec, simone4, 生成与闭环仿真的产业落地, 公开课, 线下大会, 智猩猩小程序, 智猩猩官网, 关注我们, 免费注册, 欢迎来智东西, 回答可在, 我的提问, 中查看, 发送提问成功, 您已订阅成功, 有新课程, 我们将第一时间提醒您, 扫描二维码分享给微信好友, 请使用微信扫描二维码, 扫码关注智猩猩服务号登录, 回答成功, 订阅开课提醒需关注服务号, 255, 确认绑定, 获取验证码, 绑定手机号, ai与硬科技知识分享社区,
Text of the page (random words):
智猩猩 ai与硬科技知识分享社区 绑定手机号 获取验证码 确认绑定 提问 0 255 提问 订阅开课提醒需关注服务号 首页 直播 合辑 专场 智东西 回答成功 知道了 扫码关注智猩猩服务号登录 请使用微信扫描二维码 扫描二维码分享给微信好友 您已订阅成功 有新课程 我们将第一时间提醒您 知道了 发送提问成功 回答可在 我的 我的提问 中查看 知道了 失败 欢迎来智东西 登录 免费注册 关注我们 智东西 车东西 芯东西 智猩猩 智东西 车东西 芯东西 智猩猩 智猩猩 智猩猩官网 智猩猩小程序 线下大会 预告 公开课 讲座 2026 06 30 14 00 00 构建物理 ai 时代的仿真基础设施 nvidia omniverse nurec simone4 0 重建 生成与闭环仿真的产业落地 nvidia spectrum x 以太网平台组网设计与选型指南 2026 06 17 14 00 00 面向智算中心的800g互联网络架构演进 2026 06 11 19 00 00 nvidia spectrum x 以太网平台组网设计与选型指南 2026 06 17 14 00 00 面向智算中心的800g互联网络架构演进 2026 06 11 19 00 00 智猩猩ai新青年讲座 智猩猩ai新青年讲座自动驾驶专题 大模型技术公开课 智猩猩存算一体芯片公开课 移动机器人技术系列课 ai芯片合辑第四季 企业专场 更多 nvidia专场 锐捷网络aidc互联专场 进迭时空risc v ai cpu专场 黑芝麻智能专场 智猩猩 智源研究院具身智能技术公开课 arm公开课 智猩猩 奇点光子光互联公开课 新思科技专场 晶通科技公开课 中茵微电子公开课 魔珐科技专场 地平线技术专场 精彩问答 全部问答 陈博士您好 请问mind vis可以用到3d的图像数据生成上吗 在cross attention上和在time embedding上加的条件分别有什么作用呢 除了在cross attention上和在time embedding上加条件之外 还有什么地方可以加条件呢 2023 12 07 15 26 42 那首先在首先说3d的数据图像数据上来说 就要求我们收集到的数据本身它有3d的信息 也就是说我们要求说这个被试有看3d的图像这样子 我们才可以对这些数据集进行微调 另外就是在cross atte 阅读全文 一个场景中针对不同小物体的单独mlp网络怎么结合起来的 这跟直接用一个大的mlp网络来代表整个场景相比为什么会占用更小的memory 2023 12 07 15 26 42 首先就是一个点 你可以看一下 kilo nerf 因为小的 mlp 的表达就是这个表达能力可能会多个m 小的 mlp 可能会比一个整体的大 mlp 的表达能力会更强 当然这个是没有进行 就是进一步地探 阅读全文 nerf目前非常火爆 最近也有很多工作把nerf应用到slam 相比于传统的slam nerf based slam的优势在哪 未来的发展方向又是怎样的呢 2023 12 07 15 26 42 对 这个问题很好 传统的 slam 的话 比如说大家更多的是用的一种显式的表达 比如说tsdf voxel 这种 那么 nerf 表达的一是它的重建质量可以很高 因为现在大家看到像 instant 阅读全文 slam在文章中的体现在哪呢 感觉更像是object nerf 2023 12 07 15 26 42 对 首先 slam 的话我们认为它是一个实时的系统 那么 object nerf 的它就是一个离线的这样一个优化 然后 slam 其实主要是两部分 simultaneous类和localizatio 阅读全文 请问对于music2dance 或者dance2music任务 最核心的问题 挑战是什么呢 相比于text2image text2video 后续可以做的方向还有哪些呢 2023 12 07 15 26 42 ok 非常good thanks for the question 我觉得非常有意思 就是你这两个任务确实是一个 嗯 就是反方向 from dance music to dance yiji 阅读全文 topic name item name company name item name 更多企业专场 下载 item name 欢迎来撩 关于我们 加入我们 扫码加我直接扔简历 寻求报道 邮件地址 news zhidx com 快把您的需求发给我 商务合作 扫码加我直接开聊 会议咨询 媒体合作 扫码加我直接开聊 公众号 智东西 车东西 芯东西 智猩猩 津icp备2021006210号 1 智猩猩 aiorang com 版权所有
|
