学生版 社会人版
JA EN

#autoencoder

3 記事

01 ·動画圧縮·★ 会員·論文·13分で読めます ニューラル圧縮 — 学習するコーデック End-to-end Optimized Image Compression JPEGの量子化テーブルもH.264の予測モードも、人間が実験して手で決めた表でした。ニューラル圧縮はその設計自体をデータから学習させます。オートエンコーダとエントロピーモデルという2本柱、量子化が微分できない問題の回避策、ハイパープライア、そしてJPEG AIに至る標準化の焦点と現場の落とし穴までを1から解説します。 02 ·★ 会員·論文·12分で読めます 論文解説: AURORA-LM — テキストを連続潜在空間で生成する拡散言語モデル、「圧縮せずに学び切る」という選択 AURORA-LM: Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling テキストを離散トークンではなく連続潜在空間で生成する拡散言語モデルAURORA-LMを論文本文から解説。潜在を圧縮して拡散を楽にする従来路線を捨て、幅1024の復元可能な潜在をそのまま、低ランク入力・高ノイズ校正・自己軌道一貫性で学び切る設計を追う。 03 ·CNN・画像認識·★ 会員·12分で読めます 異常検知を1から — 正常だけから学ぶという発想 不良品がほとんど手に入らない製造現場で、なぜ「正常だけ」からAIが学べるのか。再構成誤差と密度推定という2つの物差しを比喩から式まで積み上げ、実務の核心である閾値の決め方まで解説する。