无监督学习（Unsupervised Learning）是指在没有已标记的训练数据的情况下，通过学习输入数据的内在结构和关系来发现新的模式、聚类或降维的机器学习问题。无监督学习模型的任务是找到一种函数，该函数可以揭示输入数据中的隐藏结构或关系。常见的无监督学习任务包括聚类、降维和异常检测等。简单地说...

  角色建模是一种三维建模技术，用来创建具有逼真外观和动画效果的虚拟角色。它涉及对角色骨骼、肌肉、面部表情和身体动作等方面的精细建模，以及对纹理、材质和光照等细节的处理。建模者需要具备解剖学、美术和计算机图形学等多方面的知识和技能，才能创建出真实、有生命力的角色模型。角色建模必须掌握哪些有关解剖学和肌肉...

  人脸识别技术是一种通过计算机技术和算法，对人脸图像进行特征提取和比对，以实现人脸身份识别和验证的技术。它具有广泛的应用场景，如安全监控、身份验证、人机交互等。实现人脸识别的技术有主要有哪些呢？以下是一些常见的人脸识别技术：1. 基于特征的方法通过提取人脸图像中的特征点或特征描述符来进行识别。常见的特...

  数字人语音合成是通过计算机技术和算法，将文本转换成人类可听的语音波形的过程。它包括文本预处理、声学建模、声码器和波形合成等步骤，可以实现高精度、高效率的数字人语音合成。本文重点讲一下文本预处理这个环节！语音合成流程数字人语音合成中的文本预处理实现步骤是怎么样的呢？主要包括以下几个步骤：1. 文本清洗...

  数字人语音合成是通过计算机技术和算法，将文本或符号转换成人类可听的语音波形的过程。它是数字人研究和应用中的最重要技术之一，可以用于数字人的语音生成、语音交互、语音合成等应用场景。数字人语音合成（图片来自央视网）随着计算机技术和人工智能技术的不断发展，数字人语音合成技术也将不断提高，为各个领域的应用提...

  数字人人脸特征提取是通过计算机技术和算法，从数字人人脸图像中提取出能够表示人脸的特征的过程。这些特征可以包括几何特征、基于模型的特征、纹理特征和深度学习特征等。不同的特征提取方法具有不同的特点和适用范围，需要根据具体的应用场景和需求选择合适的特征提取方法。数字人人脸特征提取在数字人人脸特征提取中，最...

  数字人身体语言模拟是指通过计算机技术和算法，模拟数字人（或虚拟人）的身体动作、姿态和表情等，以实现更加逼真和自然的数字人表现。它是数字人研究和应用中的重要技术之一，可以用于数字人的动画制作、游戏开发、虚拟现实、增强现实等领域。数字人身体语言（图片来自网络）数字人身体语言模拟技术主要基于计算机图形学、...

  基于模型的方法是一种通过建立和使用先验模型，来推断目标物体或人体姿态和形状的方法。它通常使用三维模型来表示目标物体或人体，并通过模型拟合或优化来估计其姿态和形状。这种方法需要对目标物体或人体的结构和动作有一定的了解，并建立一个合适的三维模型。比如，可以通过基于模型的方法来应用于人脸识别。人脸识别技术...

  数字人姿态估计是一种技术，其目标在于从图像或视频中识别和跟踪数字人（或虚拟人）的身体姿态和动作。它是数字人研究和应用中的重要技术之一，可以用于数字人的动画、游戏、虚拟现实、增强现实等领域。数字人姿态估计的英文是 "Digital Human Pose Estimation"，缩写...

  数字算法是指用数学方法和计算机技术解决数字问题的过程。它涉及对数字数据进行处理、分析、转换和优化等操作，以达到某种特定的目的或目标。数字算法是计算机科学、数学和工程等领域中非常重要的基础，广泛应用于各种实际问题的解决，如图像处理、人工智能、数据分析等。数字人算法主要包括以下几个方面：1. 建模与渲染...

  AI数据标注是指人工智能系统需要通过已标记的数据进行学习，因此需要将大量原始数据进行分类、注释或转录等处理以获取高质量的训练数据集。具体来说，AI数据标注是将数据集中的数据和数据结构进行标注的技术，以帮助提高训练模型的准确性。标注数据可以提高算法的准确性和可靠性，帮助算法识别和分类数据，从而更好地进...

  图灵测试是英国电脑科学家艾伦·图灵于1950年提出的思想实验。方法是一个人分别和匿名的两个对象（一个人一个机器）对话，看他是否能区分两者的不同，如果不能区分，则说明机器对话时表现出与人一样的智力水准，通过图灵测试。图灵测试的本质是判断机器能否表现出与人一样的智力水准，这涉及到人工智能的核心问题——智...

  人工智能并不是未卜先知，它是基于人类对它的模型进行训练而得以“智能”。在AI大模型训练中，人工数据标注是一个重要的环节，对于模型的性能和准确度有着至关重要的影响。所谓“人工数据标注”，通常是指通过人工对原始数据进行标注和分类，以提供给模型进行学习和训练。下面是一个简单的例子来说明人工数据标注的过程。...

  生成对抗网络（GAN，Generative Adversarial Networks）是一种深度学习模型，由Ian Goodfellow等于2014年提出。主要用于解决按文本生成图像、提高图片分辨率、药物匹配、检索特定模式的图片等任务。生成对抗网络原理GAN包含两个神经网络，一个是生成网络（Gene...

  小熊AI网近期在作一些AI领域的科技名词术语的知识普及，通过这些基础知识，我们在理解 相关概念时，才不致云里雾里的。今天我们就来讲讲过拟合和欠拟合。过拟合和欠拟合是机器学习中常见的两个概念，它们描述了模型在训练数据上的表现和在未知数据上的泛化能力之间的关系。过拟合和欠拟合概念辨析过拟合（overfi...