
德国一家科研机构面向谷歌眼镜(Google Glass)开发出一款面部识别应用——SHORE,该应用除了可判断人的年龄、性别外,还看通过大量数据,分析、识别人的情绪。
SHORE的全名为“复杂的高速物体识别引擎”(Sophisticated High-speed Object Recognition Engine),由德国弗劳恩霍夫研究所(Fraunhofer Institute)开发。
谷歌眼镜因涉及隐私保护而备受关注,与谷歌眼镜配套的SHORE识别应用,隐私保护问题自然被格外关注。弗劳恩霍夫研究所称,出于隐私保护,他们所收集的数据均未发送到云端。
据悉,“SHORE”的面部识别系统,能够处理来自谷歌眼镜上的实时视频信号,并通过多年来使用C++语言创建的一个“高效”程序库数据进行比对分析,最终实现对人的年龄、性别以及情绪的识别。
“SHORE”的面部识别系统应用可向某些用户提供帮助,比如自闭症患者。该应用还用来进行市场分析及其他更多商业领域。
SHORE应用尚无法下载使用,尚不清楚是技术问题,还是推广问题。弗劳恩霍夫研究所对此未予置评。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。