更多精彩内容,欢迎继续阅读
做AI漫剧这件事,我前后折腾了快两个月才跑通完整流程。最初看别人发出来的漫剧作品,觉得不就是“小说截图配音字幕”嘛,可真到自己上手才发现,从选剧本、定角色、生成画面到剪出有节奏的成片,每一步都有不少坑。这次我…
阅读更多 →1. 项目概述与整体实现思路1.1 这个项目到底做了什么PSO-SVM,通俗讲就是用粒子群优化算法去自动寻找支持向量机的最佳参数组合。标题里说得很明确:输入多个特征,分四类。实际项目中我做过的是一个设备故障识别任务,输入是振动信号…
阅读更多 →有次评审一个项目,对方指着屏幕上的PID曲线说:“算法没问题,就是这个系统不够实时。”我问他:“那你的采样点到输出控制量,中间到底花了多少时间?”他沉默了几秒,答不上来。这个场景在我这些年看…
阅读更多 →大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…
阅读更多 →当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:
阅读更多 →📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…
阅读更多 →一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…
阅读更多 →