無標記

MambaByte:無標記的選擇性狀態空間模型

曼巴位元組是一種無標記的語言模型,直接從原始位元組中學習,消除了子詞標記化的偏見。它在位元組上執行,但會導致序列顯著變長,標準的自迴歸Transformer在這種情況下的擴充套件性較差。我們在位元組序列上自迴歸訓練了曼巴位元組,這是Mamba狀態空間模型的無標記適應。我們的實驗表明,與其他位元組級模型相比,曼巴位元組具有較高的計算效率。我們還發現,曼巴位元組在與最先進的子詞Transformer的競爭中表現出色,甚至超越其效能。此外,由於長度的線性擴充套件,曼巴位元組在推理過程中比Transformer具有更快的速度。我們的發現證實了曼巴位元組在實現無標記語言建模方面的可行性。

Captury:Captury無標記運動捕捉技術,讓捕捉更高效

Captury提供先進的無標記運動捕捉解決方案,可精準可靠地跟蹤多個演員同時進行的全身動作、手指移動和麵部表情。我們的解決方案旨在提高運動捕捉的效率,同時降低所涉及的時間和成本。Captury可應用於3D遊戲開發、虛擬效果/電影/廣告領域、虛擬現實、實時虛擬/基於位置的娛樂、遊戲內玩家跟蹤以及生命科學等領域。主要產品包括實時處理CapturyLive、CapturyInGame、CapturyFace,以及後期處理CapturyStudio和CapturyDome等。

返回頂端