Tag
Všetky publikované články, v ktorých sa téma Apple objavuje ako dôležitý kontext. Aktuálne 19 textov v archíve.
Apple zverejnil výskum, ktorý má zlacniť a zrýchliť tvorbu anotovaných dát pre systémy pracujúce so znakovým jazykom. Namiesto ručného popisu stoviek hodín videa navrhuje pipeline, kde časť práce preberú špecializované modely a jazykový model.
Apple navrhuje spôsob, ako model ešte pred generovaním odpovede odhadne náročnosť otázky a pridelí jej primeraný rozpočet na uvažovanie. Cieľom je ušetriť tokeny bez citeľnej straty presnosti.
Apple otvoril otázku, prečo difúzne modely občas zvládnu skladať nové kombinácie objektov mimo tréningových dát a inokedy zlyhajú. Práca o kompozičnej generalizácii navrhuje, že rozhodujúca môže byť lokalita závislostí v modeli, nie iba veľkosť siete alebo množstvo dát.
Nová práca StereoFoley od Apple sa zameriava na generovanie priestorového stereo zvuku z videa. Namiesto obyčajného „doplnenia audia“ rieši aj to, odkiaľ má zvuk prichádzať, ako sa má meniť pri pohybe objektov a ako vyhodnocovať, či obraz a zvuk skutočne patria k sebe.
Apple zverejnil výskum LaDiR, ktorý skúša nahradiť striktne sekvenčné generovanie uvažovania latentným difúznym procesom. Cieľom je, aby model vedel rozpracované kroky spätne upravovať, paralelne skúmať viac ciest a lepšie hospodáriť s výpočtom pri dlhších úlohách.
Nový výskum Apple ukazuje, že pri plánovaní pohybu nemusí model skladať celé video. Stačiť môže kompaktné latentné zastúpenie trajektórií.
Apple predstavilo ParaRNN, framework, ktorý má odstrániť kľúčové úzke miesto klasických rekurentných sietí. Firma tvrdí, že pri tréningu nelineárnych RNN dosiahla zrýchlenie až 665-krát a otvorila cestu k sedemmiliardovým modelom s konkurencieschopnou perplexitou.