AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：实时推理×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月8日
11:02
11:02arXiv cs.LG@Chris R. Jung, Markus Dörr, Natalie Jüngling, Jennifer Niessner, Adam T. Müller, Nicolaj C. Stache
计算流体动力学（CFD）虽能高保真模拟室内环境流场，但计算成本高，限制了快速探索。为解决此问题，生成式替代模型比确定性网络能更好建模分布，但迭代采样速度慢。本文首次将生成式漂移框架（Drifting Models）应用于流体力学，提出条件架构在VAE潜在空间中进行漂移，并使用标签感知掩码对齐生成样本与边界条件。该标签条件模型在精度和流一致性上匹配迭代扩散模型，但运行速度快两个数量级。此外，空间条件变体为泛化到未见几何体铺平了道路。条件漂移成为扩散模型的高效替代方案，解锁了推理速度关键的实时CFD替代模型。
论文生成模型流体模拟CFDDrifting Models实时推理
推荐理由：做流体模拟或室内环境优化的团队终于有了一个又快又准的替代方案——Drifting Models 比扩散模型快两个数量级，精度却不输，值得在实时 CFD 场景中直接试试。
原文
5月28日
11:27
11:27arXiv cs.AI@Abhilash Durgam, Nyle Siddiqui, Jeffrey A. Chan-Santiago, Qiushi Fu, Elakkat D. Gireesh, Mubarak Shah
精选
CaMBRAIN 是首个基于 Mamba 的因果状态空间模型，专为脑电图（EEG）信号实时推理设计。现有深度学习模型依赖注意力机制，序列长度增加时计算量呈二次增长，且需滑动窗口处理，无法理解全局信号。CaMBRAIN 利用因果状态空间模型保持线性复杂度，并引入多阶段自监督训练，增强长程记忆能力。在三个 EEG 数据集上，CaMBRAIN 达到最先进性能，吞吐量比现有模型高 10 倍以上，首次实现变长 EEG 信号的连续推理。
论文EEG状态空间模型Mamba实时推理自监督学习
推荐理由：做脑机接口或神经信号处理的团队终于有了能实时处理长序列 EEG 的工具——CaMBRAIN 解决了注意力机制的计算瓶颈，吞吐量提升 10 倍，做实时监测或临床诊断的开发者可以直接用。
原文