Exceptional research emerges from the collaborative endeavor of math, science and engineering. We value the unique blend of expertise that stems from these fields. We are seeking exceptional talents with deep passion and robust background in these areas to join us in pushing the boundaries of AI....
: Improving Scalability of Pipeline Parallelism with Memory Optimization 最近当红辣子鸡 DeepSeek 在训练阶段使用了DualPipe训练技术,而其中核心技术引用自 SeaAI Lab 对于 pipeline parallel 的优化工作zero-bubble-pipeline-parallelism。最近 SeaAI Lab 的大佬 @万信逸 又更新了最新力作 PipeOffload,赶紧找到时间学习...
在今年的人工智能顶级会议 NeurIPS 2022 上,浙江大学与 SEA AI Lab 提出了全新的可建模未见风格(音色、情感和韵律)的可泛化语音合成模型 GenerSpeech。针对域外风格迁移的性能损失问题,提出了基于解耦表征学习的可泛化文本编码器和多层级风格编码器,实现了对未见语者、情感、韵律的可泛化零样本迁移与高质量无监督风格...
由颜水成老师带领的 Sea AI Lab 提出了一种多粒度自监督学习框架 Mugs[1],用以学习不同粒度的非监督特征,从而满足不同下游任务对不同粒度甚至多粒度特征的需求。在相同的实验设置下(相同数据集和模型等),该方法大幅超越了目前最好的自监督学习方法。在没有使用额外数据的情况下,该方法在 ImageNet 数据集上取得...
由颜水成老师带领的 Sea AI Lab 提出了一种多粒度自监督学习框架 Mugs[1],用以学习不同粒度的非监督特征,从而满足不同下游任务对不同粒度甚至多粒度特征的需求。在相同的实验设置下(相同数据集和模型等),该方法大幅超越了目前最好的自监督学习方法。在没有使用额外数据的情况下,该方法在 ImageNet 数据集上取得...
大家好,我们是来自新加坡 Sea AI Lab的研究团队,长期招聘Trustworthy AI以及Generative Models方向的实习生。【团队全职成员】Tianyu Pang ( https://p2333.github.io/)Chao Du ( https://duchao0726.github.io/…
在今年的人工智能顶级会议 NeurIPS 2022 上,浙江大学与 SEA AI Lab 提出了全新的可建模未见风格(音色、情感和韵律)的可泛化语音合成模型 GenerSpeech。针对域外风格迁移的性能损失问题,提出了基于解耦表征学习的可泛化文本编码器和多层级风格编码器,实现了对未见语者、情感、韵律的可泛化零样本迁移与高质量无监督风格...
最近NUS联合Sea AI Lab在NeurIPS-2021上发表了一篇论文『Direct Multi-view Multi-person 3D Human Pose Estimation』,提出了一个简单的方法Multi-view Pose Transformer,直接从多视角图片回归多人三维姿态结果,在CMU panoptic数据集上达到15.8mm的MPJPE,简单高效,且良好的可扩展性。
最近NUS联合Sea AI Lab在NeurIPS-2021上发表了一篇论文『Direct Multi-view Multi-person 3D Human Pose Estimation』,提出了一个简单的方法Multi-view Pose Transformer,直接从多视角图片回归多人三维姿态结果,在CMU panoptic数据集上达到15.8mm的MPJPE,简单高效,且良好的可扩展性。
简介:满足不同下游任务特征需求!Sea AI Lab 提出多粒度自监督学习框架Mugs,刷新多项SOTA C). 粗粒度的 group 特征学习 为了避免了上述相似的 local-group 分散的过于随机或较远,Mugs 中的 group discrimination supervision 将类似的样本聚集在一起,从而拉近类似的 local-group。这样一来,Mugs 可以在更高语义级别...