最新开源的视觉预训练方法，由忆生科技、微软研究院、UC伯克利、香港大学等联合出品 以下内容转载自量子位： SimDINO和SimDINOv2，通过编码率正则化简化DINO和DINOv2模型训练流程得到的两个最新模型。
该工作由忆生科技创始团队成员、忆生科技旗下研究人员深度参与，联合加州大学伯克利分校、微软研究院、香港大学等多家学校及机构共同完成。 论文标题：Simplifying DINO via Coding Rate Regularization 地址：https://arxiv.org/abs/2502.1
该工作由忆生科技创始团队成员及旗下研究人员深度参与，由多所学校与机构的研究者共同完成，包括加州大学伯克利分校、宾夕法尼亚大学、密歇根大学、清华大学、忆生科技、香港大学、约翰·霍普金斯大学等。 忆生科技创始人马毅教授已受邀在今年四月的ICLR大会上就和此项成果相关的一系列白盒神经网络相关工作，进行为时
2025年2月，由忆生科技创始团队及忆生科技旗下研究人员参与的首个基于统计学的线性注意力机制ToST工作，被ICLR2025高分录取为Spotlight。忆生科技创始团队马毅已受邀在今年四月的ICLR大会上就和此项成果相关的一系列白盒神经网络相关工作，进行为时一小时的主题报告（Keynote）。知名
该工作由忆生科技旗下研究人员王晨宇（论文一作）、忆生科技创始团队马毅、高盛华，联合上海科技大学、香港大学等合作完成。 下图TranscEngram 即忆生科技 以下内容转载自机器之心 原文标题：文本、图像、点云任意模态输入，AI能够一键生成高质量CAD模型了 原文链接：https://mp.weix
