特斯联研究成果被IEEE T-PAMI收录，赋能多行业智能化

当前,关于Transformer架构是否能有效补充卷积神经网络仍存在争议。然而,随着人工智能技术的不断发展,越来越多的研究开始尝试将两者结合起来,以期获得更优的性能。近日,特斯联首席科学家、特斯联国际总裁邵岭博士及其合作团队在Transformer架构中取得了重要突破,提出了DUCT(Transformer架构中的动态一元卷积神经网络)技术。

据悉,DUCT技术的提出,旨在结合卷积神经网络(ConvNets)与Transformer架构的优势,实现并行设计,从而提升模型在计算机视觉任务中的性能与灵活度。在医疗诊断、自动驾驶等现实场景中,DUCT技术能够显著提升感知能力及分析能力,为行业带来前所未有的智能化升级。这一创新成果不仅为深度学习模型的设计提供了全新思路,更在多个实际应用场景中展现了巨大的潜力与价值,目前,该成果已被人工智能领域顶级学术期刊IEEE T-PAMI收录。

公域空间下的应用场景和客户需求往往复杂多样且高度碎片化,具有海量的IoT设备,数据有文本、图像、声音、视觉等多种模态,比其他单一场景更具复杂性。将多模态信息统一到同一空间并对齐和计算,是AIoT场景的关键,而特斯联已经通过「多模态」技术思路,实现了跨模态、跨场景的联动和控制。

据招股书上显示,为赋能不同公域应用场景的落地,助力千行百业的数智化,特斯联采取了「模型+系统」的综合性技术路线,构建了已实际应用于各种人工智能应用场景(主要在产业、城市、人居及能源领域)的若干领域大模型以及快速生成和个性化部署领域模型的生产工具,形成了长期竞争技术壁垒。

综上所述,特斯联首席科学家、特斯联国际总裁邵岭博士及其合作团队提出的DUCT,不仅会推动Transformer与卷积神经网络的融合与发展,更为医疗诊断、自动驾驶等多个行业带来了智能化升级的新机遇。未来,特斯联将持续深耕人工智能领域,致力于推动更多前沿技术的突破与落地应用,为城市智能化进程贡献更多力量。