2021年AI业界进展大盘点一
2021年过去了，虽然疫情反复不断，但AI业界前进脚本并没受到影响，各种令人惊艳的模型还是层出不穷。Transformers开始大行其道，与之相关的自监督预训练模型也开始火了起来，所谓CV界的BERT模型也开始遍地开花，比如具有代表性的有何凯明提出MAE、字节跳动的iBOT等。
这个CV库让我少写600行胶水代码，隔壁老王还在手撸卡尔曼滤波
刚泡好咖啡打开GitHub Trending，一眼看见 Roboflow 那个 supervision 库又更新了，star 数往 35k 狂奔。我盯着屏幕愣了几秒，想起三年前给工厂项目写行人追踪，光是给 YOLO 做 NMS 过滤和 ID 关联就熬了三个通宵。
PTZ 相机其他业界问题深度教程（续篇）
前一篇已系统覆盖 PTZ 的两大魔鬼——稳定性（抖动/共振/防抖）与延迟（控制/编码/传输）。
大模型架构的下半场
来源：市场资讯（来源：量子位）研究者们花了十年去扩展层内的计算能力，却忘了扩展层间的通信能力。这件事亟需被改变。过去十年，深度学习领域取得进展的方式出奇地一致：什么都往大了整。更多参数、更多数据、更长上下文。
双面田柯宇：一次无法自圆其说的「行侠仗义」
这家初创企业的估值在五源资本和 IDG 等顶级美元基金的加持下迅速攀升至两亿美元。它的创始人田柯宇，是过去两年中国生成式人工智能领域最具争议、也最富戏剧色彩的年轻面孔——在身陷字节跳动索赔诉讼的同时，他凭借第一作者论文《Visual Autoregressive Modeling》拿下了 NeurIPS 2024 的最佳论文奖。
大模型架构的下半场
HUST Vision Lab致力于不断突破视觉智能的边界，代表性工作包括:CCNet、Mask Scoring R-CNN、FairMOT、ByteTrack、EVA、MapTR、Vectorized Autonomous Driving 、DiffusionDrive、Vision Mamba 、4D Gaussian Splatting 、YOLOS、YOLO-World，以及 LightningDiT & VA-VAE。
比基准高30%，媲美Gemini 1.5 Pro，基于记忆的视频理解智能体来了
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.