AIQZ.CC

AI应用领域篇

AI核心层 · 11 章 423 篇知识点,章内按学习顺序排列。

同方向:机器学习篇深度学习篇AI应用领域篇计算机图形学与可视化篇

自然语言处理NLP56 篇

BPE字节对编码WordPiece子词分词词性标注命名实体识别依存解析句法分析依存句法分析词性标注POS命名实体识别NERFastText子词嵌入上下文嵌入ELMoWord2Vec(CBOW/Skip-gram)子词嵌入与OOVELMo上下文嵌入嵌入可视化(t-SNE)情感分析嵌入偏置与公平性事件抽取情感分析(正负/细粒度)关系抽取RE事件抽取EE文本分类深度模型Few-shot文本分类翻译评估回译增强神经机器翻译NMT统计机器翻译SMT注意力机制在翻译中BLEU/chrF翻译评估检索式QA同声传译阅读理解多语言翻译多轮对话知识图谱QA(KBQA)检索式QA(向量检索)多轮对话状态跟踪生成式QARAG增强问答分词BPE/WordPieceSentencePiece无监督分词成分句法分析GloVe全局向量Word2VecGloVe关系抽取FastText子词嵌入命名实体识别BiLSTM-CRF文本分类(BoW/TF-IDF)统计机器翻译回译数据增强Back-translation神经机器翻译知识图谱QA抽取式阅读理解MRC开放域QA

计算机视觉CV66 篇

实例分割ConvMixer:Patch Embedding + 深度可分离卷积 + 空间混合的极简结构两阶段检测微调策略数据增强(Cutout/Mixup/CutMix)微调Fine-tuning策略迁移学习迁移策略CLIP零样本分类知识蒸馏KDConvNeXt v2:全卷积模型现代化设计、全局响应归一化GRN、稀疏化ConvNeXt与MAE预训练结合EfficientNet v2:Fused-MBConv、渐进式学习与 NAS 搜索的复合缩放策略Anchor-free检测(CenterNet)ConvNeXt:现代化纯卷积网络借鉴 Transformer 设计(Layer Norm/GELU/7×7 深度卷积)RegNet设计空间:设计空间范式替代单点搜索、AnyNetX到RegNet的约束简化、Width/Depth线性缩放规则RepLKNet:31×31 大核卷积 + 结构重参数化提升感受野与效率EfficientFormerV2 与 MobileVit 混合 CNN-Transformer 在边缘设备的延迟优化分组卷积(Group Convolution)与 ShuffleNet v2 通道混洗(Channel Shuffle)Ghost Module:通过廉价线性变换生成冗余特征图降低 FLOPs实时检测小目标检测单阶段检测(YOLO/SSD)开放词汇检测NeRF小目标检测策略边缘检测Canny/HED抠图算法Matting抠图算法边缘检测文字识别视频目标分割文字检测文档分析文档版面分析LayoutLM文字识别CRNN/CTC表格识别点云处理版面恢复与结构化3D检测点云处理PointNet/PointTransformerSLAM3D目标检测PointPillars3D重建3D重建Gaussian Splatting光流估计深度估计迁移学习ViT视觉Transformer测试时增强TTA知识蒸馏EfficientNet v2:渐进学习Progressive Learning(图像尺寸与正则化联合缩放)、Fused-MBConv模块MobileNet v3:NetAdapt平台感知网络搜索、Hard-swish激活函数、轻量SSDLite检测头RepLKNet大核卷积:31x31大核重参数化(结构重参数化技巧)、大有效感受野与密集预测任务提升深度可分离卷积(Depthwise Separable Conv)参数压缩比与 MobileNet 演进可变形卷积(Deformable Conv)v2/v3 采样点偏移学习与 DCNv4 简化单阶段检测两阶段检测(R-CNN系列)实时检测优化语义分割语义分割FCN/U-NetSAM分割一切版面恢复文字检测DB/CTPN票据识别手写体识别NeRF神经辐射场SLAM同步定位与建图

语音技术48 篇

CTC解码与束搜索CTC解码声学模型语言模型流式识别端到端ASR端到端ASR(Whisper/Conformer)流式识别与增量解码ASR评估WER声学特征(MFCC/FBank)声码器声码器WaveNet/HifiGAN声音克隆实时合成端到端TTS(Tacotron/FastSpeech)情感合成控制声音克隆与少样本声学前端文本正则化语音分离Cocktail Party声纹特征防伪说话人识别说话人验证SV多说话人分离声纹特征x-vector/ECAPA防伪与深度伪造检测回声消除降噪跨设备鲁棒性降噪谱减/深度降噪超分辨率波束成形Beamforming去混响De-reverberation语言模型n-gram/神经LM端到端TTS声学模型(DNN/CTC/RNN-T)情感合成实时流式TTS多说话人说话人验证声纹相似度度量说话人识别SID韵律建模语音分离波束成形超分辨率带宽扩展回声消除AEC语音活动检测VAD

推荐系统61 篇

物品CF用户CF矩阵分解基于用户的协同过滤UserCF隐语义模型DIN/DIENSVD++与时间因子隐语义模型LFMALiBi:基于距离的正弦偏置替代显式位置编码、外推性能优异、训练与推理长度差异鲁棒性Flash Attention V2:基于 SRAM 分块计算避免 HBM 读写,IO 复杂度 O(N) 优化Flash Attention V2/V3:IO-aware分块计算与Softmax在线归一化、Warp级并行与异步拷贝、FP8支持KV Cache优化:PagedAttention块级管理、Prefix Caching前缀复用、多轮对话KV缓存共享策略多臂老虎机BanditRoPE(Rotary Position Embedding)旋转矩阵位置编码与 NTK-aware 长度外推YaRN 位置插值:log 空间线性插值与注意力温度缩放实现 128K+ 上下文Flash Attention V3:WGMMA 异步 Tensor Core 利用与 FP8/Pingpong 调度DeepFMKV Cache 在自回归推理中的内存占用分析与 PagedAttention 分页管理MQA(Multi-Query Attention)单 K/V 头极端压缩与 GQA 性能折中GQA(Grouped-Query Attention)分组共享 K/V 头数减少推理显存(Llama 2/3)Wide&DeepDIN/DIEN序列推荐DeepFM因子分解机双塔模型Wide&Deep模型双塔模型DSSM多路召回ESMM多任务向量召回精排模型多路召回策略向量召回ANN检索精排模型特征工程冷启动召回图召回(GNN推荐)新用户冷启动内容推荐图神经网络推荐新物品冷启动基于内容的推荐CB元学习冷启动GQA/MQA:多查询注意力共享单组KV、分组查询注意力GQA均衡速度与质量、推理吞吐量提升2-3倍SVD++基于物品的协同过滤ItemCFALS交替最小二乘矩阵分解MF/SVD滑动窗口注意力(Sliding Window Attention)Mistral 推理时上下文延长策略协同过滤冷启动问题SuRoPE 等 Su 系列相对位置编码变体在长文本训练中的演进RoPE旋转位置编码:复数域旋转矩阵、长序列外推与NTK-aware缩放、线性内插与YaRN微调ALiBi(Attention with Linear Biases)线性偏置位置编码支持更长上下文多目标排序MMoE多目标排序MMoE/PLE多样性重排策略与多样性特征交互DCN/xDeepFM元学习探索与利用EE问题重排策略新用户冷启动策略冷启动评估指标

多模态AI45 篇

CLIP对比学习ALBEFBLIP-2图像描述生成CaptionALBEF对齐与生成图像描述视觉问答BLIP-2 Q-FormerLLaVA视觉指令Qwen-VL架构图文匹配视觉问答VQA指代表达跨模态检索图文匹配图文匹配双塔vs交互视觉Grounding指代表达细粒度图文检索跨模态哈希检索视觉常识具身交互多模态对话视觉推理(NTX/CLEVR)具身交互Embodied QA图生文视觉蕴含VE文生图多模态编辑文生图DALL-E/SD图生文Image Captioning多模态编辑InstructPix2Pix统一多模态模型GPT-4o/GeminiCLIP视觉推理区域描述跨模态检索视觉 grounding视觉问答评估Referring Expression区域描述Region Caption视觉常识推理VCR统一模型视觉故事视觉故事生成视频生成3D生成

视频理解与分析30 篇

3D卷积I3D/C3DTSN/TSM时序模块VideoMAE掩码建模SlowFast多路径视频自监督预训练DDPM 训练目标简化与噪声调度(Linear/Cosine)对比及 FID 收敛曲线DDIM(Denoising Diffusion Implicit Models)非马尔可夫采样加速 10-50xDPM-Solver 高阶 ODE 求解器在 20 步内达到高质量生成Consistency Model(CM)单步/少步生成与 Consistency Training/Distillation 路线Latent Diffusion Model(LDM/Stable Diffusion)VAE 潜空间压缩降低计算Classifier-Free Guidance(CFG)无分类器引导在文生图中的可调保真度Score Distillation Sampling(SDS)利用扩散先验指导 3D/NeRF 优化(DreamFusion)时序动作提案时空动作检测AVATemporal Action Localization视频描述生成重复动作计数视频摘要长视频理解视频groundingViViT视频Transformer双流网络Two-StreamFlow Matching:连续归一化流(CNF)训练目标与最优传输(OT)路径Action Recognition数据集在线动作检测多模态视频大模型(Gemini/Video-LLaVA)视频异常检测ActionFormerRectified Flow(整流流)直线化 ODE 路径在 1-4 步生成中的优势VideoQA视频问答

信息抽取与知识图谱18 篇

NER方法(BiLSTM-CRF/BERT/GlobalPointer)实体链接与消歧关系抽取(远程监督/预训练)统一信息抽取UIE小样本NER嵌套NER篇章级事件抽取事件关系抽取零样本事件抽取事件抽取数据集实体对齐知识融合时序知识图谱KG构建流程事件检测知识推理事件论元抽取知识图谱增强LLM

搜索与信息检索18 篇

RankNet倒排索引语言模型检索向量空间模型LambdaRankLambdaMARTPRF伪相关反馈Pointwise/Pairwise/Listwise特征工程在线排序个性化搜索查询理解与改写多模态搜索(以图搜图/视频搜索)评估指标NDCG/MAP/MRR相关性反馈BM25算法搜索评估体系查询扩展

医学影像AI36 篇

nnU-Net自适应预处理与pipeline配置3D U-Net的编码-解码与跳跃连接结构V-Net的Dice损失与体素级不平衡处理nnFormer交错卷积-注意力的3D分割BraTS脑胶质瘤分割的多模态通道UNETR的ViT编码与CNN解码的混合架构半监督分割(MEAN Teacher/UA-MT)分割后处理(连通域/形态学/CRF)TotalSegmentator全身多器官分割基准DenseNet-121在NIH ChestX-ray14的基线YOLOv8在CT肺结节检测的应用EfficientNet胸片14类疾病分类(CheXpert)眼底图像糖网分级(DR grading)分级皮肤镜图像分类(ISIC 2018/2019挑战)Camelyon16淋巴结转移检测的patch采样晚期融合vs早期融合vs中间融合策略跨模态合成(MRI→CT)CycleGAN应用BraTS多序列MRI(T1/T1ce/T2/FLAIR)融合Vision-Language的BiomedCLIP/RadFM预训练多模态对齐损失(对比学习InfoNCE)报告生成(LLM+视觉编码器)CheXagent跨模态检索的图文对比表征学习病理图像(WSI)多实例学习MIL框架Dice Loss/Focal Loss/Combo Loss损失设计Swin-UNETR的Swin Transformer编码器X光胸片肺结节检测的Faster R-CNN实现RetinaNet focal loss处理小目标不平衡弱监督分割(图像级标签/涂鸦标注)MIA-COV19D COVID-19分级模型DICOM元数据处理与PHI脱敏医学视觉问答VQA-RAD数据集与GLoRIA模型Grad-CAM可视化辅助诊断的临床可信性3D点云+2D切片的多视角融合架构多模态配准(刚性/仿射/可变形B-spline)PET-CT多模态肿瘤分级模型MedSAM通用医学分割大模型提示微调

生物特征识别25 篇

人脸特征提取(ArcFace/CosFace/AdaFace)人脸对齐(关键点检测)活体检测(静默/动作/红外)隐私保护人脸偏见与公平性边缘端部署指纹匹配算法指纹特征提取(Minutiae/细节点)大规模人脸检索防伪攻击(presentation attack)步态识别虹膜编码(Daugman/IrisCode)击键动力学Keystroke Dynamics语音生物特征Speaker Recognition行为特征融合签名验证深度学习行为建模遮挡/化妆/跨年龄人脸检测(MTCNN/RetinaFace/YOLOv5-Face)虹膜分割与归一化1:1验证vs 1:N识别持续认证移动端生物识别掌纹与掌静脉鼠标/触摸行为

代码智能与程序合成20 篇

Fill-in-the-Middle训练范式Cursor/Devin AI编程助手代码补全上下文窗口Code Llama/Codestral/StarCoder代码生成评测(HumanEval/MBPP)代码摘要与文档生成代码重构建议代码审查AI辅助Sketch/FlashFill合成AST/LSP与代码分析代码安全审计Dafny/Lean验证语言AlphaCode竞赛级代码生成GitHub Copilot原理与架构多语言代码生成程序合成(Program Synthesis)代码形式化验证Bug检测与自动修复代码克隆检测LLM辅助程序合成

返回 知识体系总目录 查看其他篇章。