mlp知識(shí)

• 多層感知機(jī)與神經(jīng)網(wǎng)絡(luò)的區(qū)別

  多層感知機(jī)（Multilayer Perceptron, MLP）與神經(jīng)網(wǎng)絡(luò)之間的區(qū)別，實(shí)際上在一定程度上是特殊與一般的

  2024-07-11 標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 人工智能 MLP 3231 0

• 

  動(dòng)態(tài)環(huán)境中基于神經(jīng)隱式表示的RGB-D SLAM

  神經(jīng)隱式表示已經(jīng)被探索用于增強(qiáng)視覺(jué)SLAM掩碼算法，特別是在提供高保真的密集地圖方面。

  2024-01-17 標(biāo)簽： 機(jī)器人 RGB 編解碼器 1196 0

• 

  4DGen：基于動(dòng)態(tài)3D高斯的可控4D生成新工作

  盡管3D和視頻生成取得了飛速的發(fā)展，由于缺少高質(zhì)量的4D數(shù)據(jù)集，4D生成始終面臨著巨大的挑戰(zhàn)。

  2024-01-04 標(biāo)簽： 編解碼 SDS 3D模型 1357 0

• 

  基于DetNet的單階段單視圖三維點(diǎn)云重建網(wǎng)絡(luò)

  從一張圖片中推斷出具有合理形狀和外觀的物體是一個(gè)具有挑戰(zhàn)性的問(wèn)題。現(xiàn)有的研究往往更多地關(guān)注點(diǎn)云生成網(wǎng)絡(luò)的結(jié)構(gòu)，而忽略了二

  2023-12-06 標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) CAD EMD 1366 0

• 

  探索Transformer Block精簡(jiǎn)的方式

  作者對(duì)Transformer Block移除了各種參數(shù)，減少了15%參數(shù)量，提高了15%的訓(xùn)練速度，各個(gè)環(huán)節(jié)都有做充分的

  2023-12-06 標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) MLP 877 0

• 

  PanopticNeRF-360：快速生成大量新視點(diǎn)全景分割圖像！

  PanopticNeRF-360是PanopticNeRF的擴(kuò)展版本，借助3D粗標(biāo)注快速生成大量的新視點(diǎn)全景分割和RGB

  2023-11-30 標(biāo)簽： 感知系統(tǒng) 自動(dòng)駕駛汽車(chē) 深度學(xué)習(xí) 682 0

• 

  EmerNeRF：全面基于NeRF的自動(dòng)駕駛仿真框架，無(wú)需分割

  在自動(dòng)駕駛中，感知、表示和重建動(dòng)態(tài)場(chǎng)景對(duì)于代理程序理解并與其環(huán)境進(jìn)行交互至關(guān)重要。

  2023-11-21 標(biāo)簽： RGB 自動(dòng)駕駛 Hash算法 3819 0

• 

  只要MLP就能實(shí)現(xiàn)的三維實(shí)例分割！

  實(shí)例分割問(wèn)題，主要障礙在于點(diǎn)云本身是無(wú)序、非結(jié)構(gòu)化和非均勻的。廣泛使用的卷積神經(jīng)網(wǎng)絡(luò)需要對(duì)三維點(diǎn)云進(jìn)行體素化處理，從而產(chǎn)

  2023-09-26 標(biāo)簽： 內(nèi)存 函數(shù) 感知器 726 0

• 神經(jīng)網(wǎng)絡(luò)模型的工作原理、種類(lèi)及優(yōu)缺點(diǎn)

  神經(jīng)網(wǎng)絡(luò)模型(Neural Network Model)是指一種數(shù)學(xué)模型，可以模擬和學(xué)習(xí)人腦神經(jīng)元之間的信號(hào)傳遞過(guò)程，用

  2023-08-23 標(biāo)簽： 模型 神經(jīng)網(wǎng)絡(luò)模型 自然語(yǔ)言處理 5516 0

• 

  汽車(chē)領(lǐng)域擁抱Transformer需要多少AI算力？

  Transformer在汽車(chē)領(lǐng)域應(yīng)用自然是針對(duì)視覺(jué)的，ChatGPT3這種至少需要八張英偉達(dá)A100顯卡的大模型是絕對(duì)無(wú)

  2023-08-17 標(biāo)簽： 處理器 FSD Transformer 1115 0

展開(kāi)查看更多