大数据文摘专栏作品
作者：ChristopherDossman
编译：VICKY、Joey、云舟
呜啦啦啦啦啦啦啦大家好，拖更的AIScholarWeekly栏目又和大家见面啦！
AIScholarWeekly是AI领域的学术专栏，致力于为你带来最新潮、最全面、最深度的AI学术概览，一网打尽每周AI学术的前沿资讯。
每周更新，做AI科研，每周从这一篇开始就够啦！
本周关键词：视频理解、Chatbot、语音识别
本周最佳学术研究
微型视频网络：已知最快的视频网络
研究人员一直在努力真正理解视频，但视频的本质非常复杂。与静态图像不同，视频内容在本质上是动态的，处理起来很有难度。现有的视频理解解决方案都是计算密集型的，即便是在功能强大的GPU上，最快的算法在每个视频片段上运行的时间也要超过半秒。
为了解决这个问题，研究人员提议使用进化算法来自动设计网络，从而以较低的成本提供可比的性能。他们提出了一种有关视频学习架构的新想法，即微型视频网络（TinyVideoNetworks），来自动设计用于视频理解的高效模型。
微型视频网络，物如其名，它们所需的运行时间非常短，这在视频模型领域当中是前所未有的。微型视频网络拥有极具竞争力的性能，每个视频能在CPU上以低至37毫秒的速度运行，在标准GPU上则能低至10毫秒。
微型视频网络是学习高效视频网络的第一种方法。这种方法允许以更低的成本在视频架构中进行更多的探索。当规模扩大后，它们将与一些最先进的模型竞争，并且速度能提高数百倍，同时参数也将减少。
更值得注意的是，TVN在实现更高效、更少计算量的视频架构上具有很大潜力，这能提高许多实时应用程序的准确性。视频理解对于任何涉及视频数据的业务都至关重要，Facebook认为该技术许多用户应用程序都会有用处，比如增加用户的参与度。
原文：
转载请注明：http://www.0431gb208.com/sjszyzl/2876.html
