本项目介绍了一种使用自我监督学习模型提高智能手机上图像分辨率的方法，该模型能够改善基于参考的超分辨率（RefSR）。通过使用自我监督学习模型，我们能够有效地提升智能手机摄影的图像质量和分辨率，使得拍摄出来...

研究人员开发了一种新的框架来更好地理解和分析歌声。通过在孤立的人声轨道上进行自我监督学习，并专注于域外泛化，他们在歌声相似性和合成等任务上取得了进展，从而改进了现有技术。这种新方法可以通过对歌声的不同...

去年最好的编码模型之一是DeepSeek LLM。它在许多基准测试中接近GPT-3.5（即使它可能是3倍大小）。有关模型训练，令牌计数，模型架构等的信息已在技术报告中发布。DeepSeek LLM是一种基于语言模型的编码器，它使用自...

近日，一项名为PUCA的自我监督去噪新方法在GitHub上发布。该研究对于有效去噪保持J不变性是一个至关重要的方面。研究人员表示，PUCA的特点在于其利用了无噪声图像的自我监督来训练，从而可以在保持图像质量的同时去...

半监督和自我监督学习是机器学习模型生成训练信号的地方。这与标准的监督、无监督和强化学习有所不同。目标函数通常是特定于数据的（例如，掩盖单词或旋转图像）。本研究深入探讨了在这个领域使用的常见技术和存在的...

研究人员引入了一种名为vox2vec的创新方法，该方法通过自我监督学习，能够在体素（3D像素）级别更好地理解医疗图像，如CT扫描图。研究结果显示，与领域内的其他技术相比，vox2vec表现出色，提供了一种更高效的解决方...

近日，一款名为SwinMM的新型医疗图像分析方法引起了业界的关注。这种方法通过有效地自我监督利用多视角的信息，即使在训练数据不充足的情况下，也能显著提升医疗图像的分析效果。SwinMM的出现，为医疗图像分析领域带...

语言模型的性能通常是在一个非常小的筛选数据集上进行评估的。这些数据的分布往往从生产环境中大大简化。使用自我监督评估，您可以使用自己的数据集来评估这些模型。您甚至可以使用从生产环境中流入的数据。