查看原文
其他

IEEE行业快报 | 生成式AI

IEEE数据库团队 IEEEXplore微服务 2024-04-15

生成式AI(Generative AI)是指一类人工智能系统,它们可以通过学习现有的数据并生成新的数据,从而实现类似人类创造力的功能。与传统的AI系统不同,生成式AI系统能够自己创造出新的内容,而不仅仅是根据输入的数据进行处理,它可以基于各种技术实现,如深度学习、GAN(Generative Adversarial Networks)等,通过训练大规模的数据集,学习抽象数据的本质规律,并利用模型生成新的数据。

本期快报将聚焦于“生成式AI”技术,这一技术已在多个领域得到了广泛应用,例如音乐生成、图像生成、文本生成等。这些应用使得人们可以快速地生成大量的创意内容,并为创意产业的发展带来新的机遇和挑战。






01


IEEE在“生成式AI”领域技术全景

IEEE近10年在“生成式AI”领域的发文趋势。(点击文末“阅读原文”,下载完整版报告即可访问历年发文情况。)

数据来源:IEEE Xplore,2023年6月


IEEE在“生成式AI”领域的技术热词。

数据来源:IEEE Xplore,2023年6月


全球 “生成式AI”领域研究情况。(点击文末“阅读原文”,下载完整版报告即可了解部分国家研究情况。)

数据来源:IEEE Xplore,2023年6月






02


期刊推荐


IEEE Transactions on  Pattern Analysis and Machine Intelligence

关于本刊:月刊,关注计算机视觉和图像理解、模式分析及识别、机器智能等领域的相关研究,特别关注用于模式分析的机器学习。此外,该刊还关注涉及视觉搜索技术、文档及手写分析、医学图像分析、视频和图像序列分析、基于内容的图像及视频检索、面部及手势识别等相关技术的专用硬件或软件架构。

该刊“生成式AI”相关技术文章推荐:

  • GLEAN: Generative Latent Bank for Image Super-Resolution and Beyond

  • RankSRGAN: Super Resolution Generative Adversarial Networks With Learning to Rank

  • A Systematic Survey on Deep Generative Models for Graph Generation







03
会议推荐

The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2023

2023年 CVPR 将于 2023 年 6 月18 日22日在加拿大温哥华举行。该会议作为首屈一指的年度计算机视觉盛会,吸引了科技领域的诸多企业机构。会议关注计算机视觉与模式识别领域的相关研究,主要包括及其学习、人工智能、图像及视频的处理和分析等。

该会议录“生成式AI”相关文章推荐:

  • Generative Dual Adversarial Network for Generalized Zero-Shot Learning

  • End-to-end Generative Pretraining for Multimodal Video Captioning

  • Non-Adversarial Image Synthesis With Generative Latent Nearest Neighbors







04


电子图书推荐

How to Grow a Robot: Developing Human-Friendly, Social AI

电子图书简介:深度学习的发展被视为未来人工智能的基础。本书作者指出,人们需要更具洞察力的、反应灵敏的、更像人类的人工智能,这样的人工智能比机器更具社交性、互动性,趣味性。他认为,实现这一目标的方法是“培养”机器人,使其从经验中学习。在该书中,作者还描述了他对iCub人形AI的实验,解释了iCub如何从它自身的经验中学习。人工智能旨在将人类视为对象,同时将学习同理心并发展成具有内部“自我”模型的机器人,使其成为能更好地与人类进行互动。






05


标准推荐

P3129/D3, Aug 2022 - IEEE Approved Draft Standard for Robustness Testing and Evaluation of Artificial Intelligence (AI)-based Image Recognition Service


标准简介:该标准提供了一组常见损坏和对抗性攻击指标的测试规范,可用于评估基于AI图像识别服务的鲁棒性。该标准规定了鲁棒性要求,并建立了一个评估框架,以评估基于AI图像识别服务在各种设定下的鲁棒性。本标准的目的是指导开发/使用基于 AI图像识别服务的个人或组织测试/评估这些服务,并提高上述服务的稳健性。同时,它还适用于指导第三方评估实验室通过应用基于标准的测试来对单个算法实现进行评分以测试、评估服务的鲁棒性。







END

往期推荐:



“IEEEXplore微服务”由IEEE合作伙伴iGroup中国运营。iGroup中国代表IEEE、ACS、APS等国际知名学术机构为国内1000多所高等院校、100多家大型企业提供本地化支持和服务。

继续滑动看下一个
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存