公开(公告)号：CN119206245A

公开(公告)日：2024-12-27

申请号：CN202310763525.X

申请日：2023-06-26

Applicant: 北京三星通信技术研究有限公司 ,  三星电子株式会社

Inventor： 张颖 ,  贾汉超 ,  文伟

IPC: G06V10/44 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455 ,  G06N3/048

Abstract: 本公开实施例提供了一种由电子设备执行的方法、电子设备、存储介质及程序产品，涉及人工智能技术领域。该方法包括：获取对第一图像进行编码所得的第一顶层特征与第一底层特征；基于第一顶层特征的量化表示进行语义预测，得到与第一底层特征相应的目标语义元素；基于目标语义元素进行稀疏编码，得到第一底层特征的量化表示；第一顶层特征的量化表示与第一底层特征的量化表示用于图像生成的解码输入，以得到第二图像。本公开的实施可以充分利用层级之间的关系，降低多层级表示的计算量。可选地，由电子设备执行的上述方法可以使用人工智能模型来执行。

公开(公告)号：CN118430700A

公开(公告)日：2024-08-02

申请号：CN202410544264.7

申请日：2024-04-30

Applicant: 三星(中国)半导体有限公司 ,  三星电子株式会社

Inventor： 曾玉洁 ,  贺文龙 ,  瓦西尔佐夫·伊霍尔 ,  魏嘉鑫 ,  张颖 ,  刘子豪 ,  陈琳 ,  戴月华

IPC: G16C20/70 ,  G16C10/00 ,  G06N20/00

Abstract: 本公开关于机器学习力场模型的训练方法和相关设备，该方法包括：基于机器学习力场模型，获得与训练样本对应的边特征，其中，训练样本包含与多个原子有关的数据，边特征为与多个原子之间的边有关的特征；计算边特征对应的相关性损失；基于相关性损失，调整机器学习力场模型的参数。这样，边特征相关性与MLFF模型的仿真稳定性之间存在关系，因此，在本公开中，可以获取边特征对应的相关性损失，并可以基于该边特征对应的相关性损失对机器学习力场模型进行训练。这样，就可以实现尽可能的降低MLFF模型训练中的边特征相关性，进而可以实现提高MLFF模型的仿真稳定性。