💫 — Скоро начинаем семинар, присоединяйтесь к трансляции!

🎓 — Семинар 16. 3D-обнаружение и реконструкция окружающих автомобилей в бортовых системах компьютерного зрения | Юшаа Мурхиж

Обсуждается актуальность этой задачи, её общая постановка, существующие методы 3D-обнаружения и реконструкции объектов, а также существующие наборы данных.

Предлагается подход к решению задачи, который может быть применён в бортовых системах компьютерного зрения. Эта работа может быть полезна для специалистов в области автономных транспортных средств.

👉🏻 Дата: 21.12.23, четверг в 17:00

📹 Трансляция Youtube

Подключайтесь к живому обсуждению на завершающем семинаре в этому году и задавайте вопросы в прямом эфире! Ждем всех!

#семинары #CV

💫 — Скоро начинаем семинар, присоединяйтесь к трансляции!

Год начался с отличных новостей — нашу статью «Object-Centric Learning with Slot Mixture Module» приняли на ICLR 🎉

💫 — Скоро начинаем семинар, присоединяйтесь к трансляции!

🎓 — Семинар 18. Mastering Memory Tasks with World Models | Артём Жолус

Завтра на семинаре выступит выпускник нашей магистерской программы МТИИ, ныне аспирант университета Монреаля и научный сотрудник лаборатория MILA (основанной Йошуа Бенджио) Артём Жолус

"В этом докладе я представлю Recall2Imagine (R2I), новую модель мира, которая может справиться с любой RL-задачей, требующей большого объема памяти агента (memory-intensive RL task). Эта модель построена на основе комбинации State-Space Models (SSMs), нового типа foundation model, и модели мира DreamerV3. Я покажу, как новая модель может освоить 30+ memory RL сред , включая MemoryMaze - среду, вдохновленную нейронаукой, в которой R2I является первым RL алгоритмом, достигшим сверхчеловеческой награды. Кроме того, я покажу, как память R2I остается устойчивой к различным типам контроля"
—
Tomorrow, a graduate of our master's program, now a graduate student at the University of Montreal and a researcher at the MILA laboratory (founded by Yoshua Bengio) Artem Zholus will speak at the seminar.

"In this talk, I will present Recall2Imagine (R2I), a new world model that can master any memory-intensive RL task out of the box. This model is built upon a combination of State-Space Models (SSMs), a new type of foundation model, and DreamerV3. I will show how a new model can master 30+ memory-intensive environments, including MemoryMaze, which is a neuroscience-inspired environment where R2I is the first algorithm that achieves superhuman performance. In addition, I'll show how R2I's memory remains robust to different types of control and observations in 50+ standard RL environments. The talk covers our paper accepted at ICLR 2024 with oral talk (top-1.2% of accepted papers)."

📹 Youtube

Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
—
Join the live discussion and ask questions live! Waiting for everyone!

#семинары #RL

💫 — Скоро начинаем семинар, присоединяйтесь к трансляции!

💫 — Скоро начинаем семинар, присоединяйтесь к трансляции!

🎓 — Семинар 20. Иерархическое планирование с помощью больших языковых моделей (LLM) для воплощенных агентов | Александр Корчемный

Для выполнения сложных сценариев в реальном окружении или в симуляторе, воплощенный агент должен обладать возможностью планирования. В случае, если задача формулируется на естественном языке, с этим могут помочь большие языковые модели (LLM). Однако существуют проблемы с неоднозначностью естественного языка или соотнесения предсказанного плана с возможностями агента в среде.

Мы предлагаем использовать иерархическую структуру планировщика для улучшения предсказанного плана, когда отдельные LLM-агенты отвечают за отдельные подзадачи в планировании.

📹 Трансляция Youtube

Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!

#семинары #LLM #Planning

💫 — Скоро начинаем семинар, присоединяйтесь к трансляции!

⭐️ — С Днем защитника Отечества!

🎓 — Семинар 21. Интерактивная сегментация изображений для навигации воплощенного агента | Татьяна Земскова

Для обучения современных методов для детекции и сегментации используются большие наборы данных, содержащие изображения, полученные с помощью статичных камер. Воплощённый интеллектуальный агент, в свою очередь, может взаимодействовать со своим окружением.

На данном семинаре мы кратко обсудим существующие методы для улучшения качества детекции по последовательности изображений, а также представим наш метод для воплощенной семантической сегментации SegmATRon. Главной особенностью метода является адаптация параметров сегментационной модели во время инференса на последовательности изображений с помощью предсказанной гибридной мультикомпонентной функции потерь. Мы покажем эффективность данного подхода для задачи семантической сегментации в симуляторах Habitat и AI2-Thor и его применимость для задачи визуальной навигации до целевого объекта.

📹 Трансляция Youtube

Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!

#семинары #CV #Planning

💫 — Начинаем семинар, присоединяйтесь к трансляции!