“NVIDIA初创企业GPU应用大赛”第一季于今年五月正式启动,得到了众多企业的踊跃参与。北京飞搜科技在本次赛事中表现优异,荣获优秀案例奖。
高清图像在交通录像取证,竞技场景细节还原等环境下,为专业人士提供着至关重要的细节信息,但在实际应用中,由于制作工艺和成本的考虑,很多场合都不会采用高分辨率、超分辨率的相机来进行图像信号的采集,因此,将低分辨率的图片还原成高分辨率图片就非常重要。
图像超分辨率(Super Resolution, SR)就是将低分辨率(Low Resolution, LR)的图像通过一定的算法转提升到高分辨率(High Resolution, HR)的技术。以往传统的图像超分辨率技术在图像还原方面差强人意,而且需要大量人力进行比对,效率很低。GPU和深度学习的大规模应用为整个行业带来了突破性的发展。目前,使用GPU来加速图片超分辨率重建已经成为业界内逐渐成熟的技术方案。
作为NVIDIA初创加速计划成员,北京飞搜科技有限公司(http://www.faceall.cn/)在计算机视觉领域拥有多项世界领先的研究成果,尤其是在人脸识别、目标追踪、目标检测等领域。飞搜科技团队采用NVIDIA Tesla P100对图像进行大规模的深度学习训练,实现了对视频监控图像中对低质量图片快速重建,且重建出的高清图像的人眼感官效果颇佳,远超传统的超分辨率方法。
飞搜科技在超分辨率领域实力雄厚,表现卓越,早在2018年的计算机视觉顶级会议CVPR(Computer Vision and Pattern Recognition)workshop NTIRE(New Trends in Image Restoration and Enhancement)竞赛中就已斩获优异成绩,而本次优秀案例奖的获得更是对飞搜团队的实力的认可。飞搜科技在超分辨率技术上的解决方案能够在诸如交通、博彩等需要进行模糊图像重建的行业得到广泛应用,而在在NVIDIA Tesla P100系列GPU的大力支持下,可以预见,飞搜科技将有实力把应对超分辨率的各项解决方案完善到“效率更高、速度更快、识别更准”的至臻境界之上,为深度学习在超分辨率上的应用起到更大的推动作用。
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。