Edmonton
PulseAugur coverage of Edmonton — every cluster mentioning Edmonton across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新分析详细介绍了扩散采样器的误差界限
研究人员分析了Karras等人于2022年开发的（一阶）确定性扩散采样器（EDM）。他们的工作将局部离散化误差与其后续学习步骤的放大分离开来，证明了局部误差在步长上是普遍有界的且呈二次方关系。然而，误差传播取决于学习到的网络，在高斯混合模型和CIFAR-10模型上的实验说明了稳定性机制。
-
新型图扩散模型实现前所未有的效率
研究人员推出了一种新颖的图结构信号数据生成方法——图残差共轭扩散（GRCD）。与之前应用均匀噪声的方法不同，GRCD采用依赖模式的时钟来均衡不同图频模式下的信噪比（SNR）。该技术旨在通过需要较少的损坏即可达到目标SNR来提高效率。在交通、天气和合成数据集上的评估表明，GRCD在准确性和采样效率方面显著优于现有方法。
-
Google Research 推出 R4T，AI 搜索结果速度提升 12-20 倍
Google Research 开发了 Retrieve-for-Train (R4T)，一个旨在增强搜索和推荐系统的新框架。R4T 采用强化学习训练一个扩散模型，该模型可以在单次传递中生成多个相关的搜索结果，与传统的自回归方法相比，显著降低了延迟。这种方法解决了释义崩溃和推理速度慢等问题，旨在提供更多样化和更可靠的结果。
-
加拿大艺术家谴责人工智能音乐训练是“高科技盗窃”
随着人工智能生成音乐的普及，加拿大艺术家呼吁获得更大的同意权、透明度和报酬。像 Roland "Rollie" Pemberton（又名 Cadence Weapon）这样的音乐家发现他们的作品在未经许可的情况下被用于训练人工智能音乐生成器。许多艺术家认为这种做法是“高科技盗窃”，并凸显了创意专业人士与新兴的人工智能音乐产业之间日益增长的冲突。
-
Kolmogorov-Arnold Networks 在卫星陆地分类中显示出潜力
研究人员评估了 Kolmogorov-Arnold Networks (KANs) 在使用多光谱卫星图像进行陆地分类方面的有效性。在一项研究中，研究人员将 KANs 与随机森林和多层感知器模型在加拿大艾伯塔省的 Landsat 8 数据上进行了比较，结果显示 KANs 的准确性与随机森林相当，并且优于 MLPs。值得注意的是，KANs 在可训练参数少得多的情况下实现了这一性能，并提供了更高的可解释性。
-
加拿大警方采用AI摄像头，引发隐私辩论 · 跟踪1个来源
加拿大蒙特利尔和埃德蒙顿的警察部门正在部署AI监控摄像头。此次采用引起了公众对隐私的严重担忧。执法部门使用这项技术标志着加拿大城市中日益增长的趋势。
-
Meta将在阿尔伯塔省斯特金县建设价值130亿美元的数据中心
Meta计划在加拿大阿尔伯塔省斯特金县建设一个新的价值130亿美元的数据中心。这项重大投资预计将创造大量就业机会并促进当地经济发展。该设施将利用包括人工智能在内的先进技术，以支持Meta不断增长的基础设施需求。
-
Meta 在阿尔伯塔省建设首个加拿大数据中心以支持人工智能
Meta 正在阿尔伯塔省的斯特吉恩县（Edmonton 东北部）建设其首个加拿大数据中心。该设施旨在支持公司日益增长的人工智能基础设施需求。该项目已与反对石油管道的抗议活动相提并论，一些当地居民对大型数据中心的对环境和社会的影响表示担忧。
-
AnyMatch框架为AI训练生成合成多模态图像数据
研究人员推出AnyMatch，一个新颖的框架，旨在为视觉定位和多传感器融合生成丰富的多模态训练数据。该方法利用现成的单视图图像，合成具有高3D几何保真度的多视图、多模态图像对，克服了现有数据集和合成方法的局限性。该框架集成了单目深度估计、3D重投影和基于扩散的修复，以确保严格的几何一致性。使用AnyMatch创建了一个新的合成数据集Any-syn，在该数据集上微调的模型在多模态基准测试中表现出显著的性能提升。
-
埃德蒙顿青少年因涉嫌生成儿童剥削图像被起诉
埃德蒙顿两名14岁的男孩因涉嫌使用人工智能为同学生成儿童剥削图像而被起诉。此事件凸显了人工智能技术的滥用，并引发了对其潜在危害的担忧。