Feb, 2023

MetaAID 2.0：可扩展的元宇宙应用开发框架 通过可控的预训练模型

PDF
TL;DR该研究提出了 MetaAID 2.0 框架，通过 Pre-trained models（预训练模型）的信息流实现人类可控的创造性和输出负责任，并通过 URI-extension 控制模型输出的责任和潜在的不道德问题。该框架包括多模态数据处理和转换和生成的支持模块，并对信息流和 URI 嵌入进行了实验证明了系统的良好性能。
pre-trained modelsmetaaid 2.0 frameworkhuman-controllable information flowuri-extensionmulti-modal data
发现论文，激发创造
  • MetaAID：一个通过 AI 技术和人工编辑开发元宇宙应用的灵活框架

    提出了一个新的灵活的元宇宙人工智能技术框架 metaAID，该框架可支持多种人工智能技术在数字孪生和虚拟人类的开发中使用。开发元宇宙应用程序涉及技术开发任务和手动编辑工作，并经常成为一个重量级多团队协作项目，而多个行业的元宇宙应用程序开发更加困难。在此框架的基础上，我们设计了 5 个应用程序来支持国内需求和经济内部循环的 3 个行业，并通过实验结果表明，我们的框架可以支持各行业开发元宇宙应用时的人工智能技术。

    Apr, 2022

  • 模式逼近生成优秀的视觉语言提示

    本研究提出了 Aurora，一个优美的提示框架，用于跨模态传递，以解决模型复杂性和模态对齐问题。在六个跨模态下游基准测试中， Aurora 不仅优于最先进的方法，甚至优于完全微调方法。

    May, 2023

  • 利用元词生成神经响应

    本文提出了使用元词汇的开放域回复生成方法，通过增强序列到序列结构的目标跟踪记忆网络，以元词汇表达为目标来控制生成过程，从而在回复的关联性、多样性、一对多建模准确性、元词汇表达准确性和人类评估方面显著优于其他现有方法。

    Jun, 2019

  • 医疗应用集成多模态人工智能框架

    本研究提出并评估了一种综合人工智能在医学领域的框架（HAIM），以促进利用多模态输入实现人工智能系统的生成和测试，该框架可在医疗保健环境中进行研究和部署，并通过使用 Shapley 值量化每个模态和数据源的贡献，展示了多模态输入在不同医疗任务中的必要性。

    Feb, 2022

  • RU-AI：一个用于机器生成内容检测的大型多模态数据集

    介绍了 RU-AI 数据集，该数据集是一个大规模的多模态数据集，旨在鲁棒且高效地检测文本、图像和语音中的机器生成内容；提出了一个统一模型，该模型融合了多模态嵌入模块和多层感知器网络，能够有效确定数据的来源（即原始数据样本还是机器生成的数据）。

    Jun, 2024

  • 自适应人体姿势预测的元辅助学习

    提出了一种测试相适应的深度学习框架，它结合了自监督辅助任务和元辅助学习来帮助主要预测网络适应测试序列，该方法在预测人类姿势方面取得了更高的准确性。

    Apr, 2023

  • 多模态体验启发的人工智能创作

    基于多模态信息的序列到序列架构和课程负采样策略被设计，以解决基于人类经验生成文本的新问题，并在新的多模态体验数据集上进行了广泛的实验，取得了较大的改进。

    Sep, 2022

  • mPLUG-2：跨文本、图像和视频的模块化多模态基础模型

    该论文提出了一种新的多模态预训练统一范式 mPLUG-2，该范式具有模块化设计和通用模块的共享，可以处理多种任务，包括文本，图像和视频的多模态理解和生成，达到了最先进的结果。

    Feb, 2023

  • METAM: 以目标为导向的数据发现

    本文介绍了一种名为 METAM 的目标导向框架，该框架可自动引导发现与扩充数据，并通过从下游任务中查询候选数据集来选择最佳候选方法，理论保证，并在广泛的任务集合上进行了实证证明，证明了目标导向数据发现对现代数据科学应用的潜力。

    Apr, 2023

  • 生成多个新意图检测的高质量数据点的框架

    本论文提出了一种基于聚类的框架 --MNID（多新意图检测），用于检测多个新出现的新意图，在人力预算有限的情况下更高效地重训练基础分类器，实验结果表明 MNID 在准确性和 F1 分数上优于基线方法。

    May, 2022