【AI系统】Transformer 模型小型化
本文介绍了几种轻量级的 Transformer 模型，旨在解决传统 Transformer 参数庞大、计算资源消耗大的问题。主要包括 **MobileVit** 和 **MobileFormer** 系列，以及 **EfficientFormer**。MobileVit 通过结合 CNN 和 Transformer 的优势，实现了轻量级视觉模型，特别适合移动设备。MobileFormer 则通过并行结构融合了 MobileNet 和 Transformer，增强了模型的局部和全局表达能力。
【AI系统】轻量级CNN模型新进展
本文继续探讨CNN模型的小型化，涵盖ESPNet、FBNet、EfficientNet和GhostNet系列。ESPNet系列通过高效空间金字塔卷积减少运算量；FBNet系列采用基于NAS的轻量化网络设计；EfficientNet系列通过复合缩放方法平衡网络深度、宽度和分辨率；GhostNet系列则通过Ghost模块生成更多特征图，减少计算成本。各系列均旨在提升模型效率和性能，适用于移动和边缘设备。
顶顶通电话机器人开发接口对接大语言模型之实时流TTS对接介绍
大语言模型通常流式返回文字，若一次性TTS会导致严重延迟。通过标点断句或流TTS可实现低延迟的文本到语音转换。本文介绍了电话机器人接口适配流TTS的原理及技术点，包括FreeSWITCH通过WebSocket流TTS放音，以及推流协议和旁路流对接的详细说明。
【AI系统】轻量级CNN模型综述
本文介绍了几种常见的小型化CNN模型，包括SqueezeNet、ShuffleNet、MobileNet等系列。这些模型通过减少参数量和计算量，实现在有限资源下高效运行，适用于存储和算力受限的场景。文章详细解释了各模型的核心技术和优化策略，如Fire Module、Channel Shuffle、Depthwise Separable Convolutions等，旨在帮助读者理解和应用这些高效的小型化CNN模型。
像素流送的这些问题困扰你了吗？
使用UE引擎开发的模型在移动端或网页推流时，像素流送是常见选择。然而，在实际应用中，用户经常遇到各种问题。小芹整理了网上关于像素流送的常见问题，分为两大类：一是使用过程中遇到的技术难题，二是对某些功能的实现和可行性不清楚。本文将详细探讨这些问题，帮助开发者更好地理解和解决像素流送中的常见问题。
平面 UI 工业设计协作攻略！哪些办公软件不可忽视？
在竞争激烈的 UI 设计领域，高效的团队协作至关重要。本文推荐 6 款可视化团队协作办公软件，重点介绍板栗看板，其任务可视化、高效分配、文件管理、沟通渠道及自定义功能卓越。同时，还介绍了 5 款国外小众但功能强大的软件，如 Zeplin、InSpect、Abstract 和 Avocode，助力 UI 设计团队提升工作效率和项目质量。
如何轻松地 rip 3D Blu-ray：详细步骤指南
随着3D电影和家庭影院的普及，越来越多的人希望将3D Blu-ray电影转换为数字文件，以便在多种设备上播放。本文介绍了使用DVDFab、MakeMKV+HandBrake和Leawo Blu-ray Ripper等软件轻松rip 3D Blu-ray的方法，帮助用户享受高质量的3D观影体验。这些工具不仅提供了便捷性和高质量的输出，还能节省存储空间。
ROS机器视觉入门：从基础到人脸识别与目标检测
前言
从本文开始，我们将开始学习ROS机器视觉处理，刚开始先学习一部分外围的知识，为后续的人脸识别、目标跟踪和YOLOV5目标检测做准备工作。我采用的笔记本是联想拯救者游戏本，系统采用Ubuntu20.04，ROS采用noetic。
颜色编码格式，图像格式和视频压缩格式
（1）RGB和BGR：这是两种常见的颜色编码格式，分别代表了红、绿、蓝三原色。不同之处在于，RGB按照红、绿、蓝的顺序存储颜色信息，而BGR按照蓝、绿、红的顺序存储。
rgb8图像格式：常用于显示系统，如电视和计算机屏幕。
RGB值以8 bits表示每种颜色，总共可以表示256×256×256=16777216种颜色
GenCast：谷歌DeepMind推出的AI气象预测模型
GenCast是由谷歌DeepMind推出的革命性AI气象预测模型，基于扩散模型技术，提供长达15天的全球天气预报。该模型在97.2%的预测任务中超越了全球顶尖的中期天气预报系统ENS，尤其在极端天气事件的预测上表现突出。GenCast能在8分钟内生成预报，显著提高预测效率，并且已经开源，包括代码和模型权重，支持更广泛的天气预报社区和研究。
MagicDriveDiT：华为联合港中文等机构推出的自动驾驶高分辨率长视频生成方法
MagicDriveDiT是由华为联合港中文等机构推出的一种新型自动驾驶高分辨率长视频生成方法。该方法基于DiT架构，通过流匹配增强模型的可扩展性，并采用渐进式训练策略处理复杂场景。MagicDriveDiT能够生成高分辨率的长视频，提供对视频内容的精确控制，适用于自动驾驶系统的测试与验证、感知模型训练、场景重建与模拟以及数据增强等多个应用场景。