【AI简报20210917期】自研IP出货将超1亿片、北邮等利用超分算法提出高性能视频传输方法

嵌入式AI

iPhone 13上的那颗A15芯片，是苹果挤的一管「牙膏」？

原文:
https://finance.sina.com.cn/tech/2021-09-17/doc-iktzscyx4510991.shtml

苹果发布会刚结束不久，这个词语就在人们口口相传下奔赴各地，微博、微信群、朋友圈，虽然 iPhone 13 系列升级幅度不是特别大，但苹果加量减价的做法还是让这一调侃传遍了互联网。

不过，在我看来比 iPhone 13 系列更香的，无疑是和它同场更新的 iPad mini 6，不仅用上了 iPad Pro 同款的全面屏设计，还有 iPhone 13 Pro Max 同款满血版 A15 芯片。

A15，挤了牙膏？

和去年的 A14 一样，A15 芯片同样基于 5nm 工艺，内部集成了多个模块，晶体管数量从 118 亿颗提升到了 150 亿颗。

150 亿颗晶体管是什么概念，这已经十分接近 M1 芯片的 160 亿颗晶体管了，后者可是桌面端新芯片。

自研IP出货将超1亿片，Arm中国秀出“涡轮发动机”XPU

原文:
https://finance.sina.com.cn/tech/2021-08-26/doc-ikqcfncc5178807.shtml

原标题：自研IP出货将超1亿片，Arm中国秀出“涡轮发动机”XPU

2018年开始独立运营的合资公司安谋科技（Arm China），三年后的今天在强调CPU+XPU“双轮驱动”战略的同时，发布了全新业务品牌“核芯动力”，为的是满足越来越多的智能数据流处理需求。

“核芯动力“的标志很像一个涡轮发动机，是我们希望通过技术给产业提供核芯动力的愿望。”安谋科技执行董事长兼CEO吴雄昂解释，“标志左边是一个A，代表了我们在Arm CPU架构上的传承。中间的X代表了XPU架构给产业提供更好的动能。A+X代表着我们希望提供完整的解决方案。同时，右边是很多的i元素，代表了创新、智能以及无限的可能，无限的合作伙伴。”

AI热点

一个神经元顶5到8层神经网络，深度学习的计算复杂度被生物碾压了

原文: 一个神经元顶5到8层神经网络，深度学习的计算复杂度被生物碾压了

来自耶路撒冷希伯来大学的研究者对单个神经元的计算复杂度进行了研究，他们通过训练人工深度神经网络来模拟生物神经元的计算，得出深度神经网络需要 5 至 8 层互连神经元才能表征（或达到）单个生物神经元的复杂度。

人类糊状的大脑似乎与计算机处理器中的固态硅芯片相去甚远，但科学家将二者进行比较已经有很多年的历史。正如「人工智能之父」阿兰 · 图灵在 1952 年所说，「我们对大脑具有冷粥粘稠度这一事实不感兴趣。」换句话说，介质不重要，重要的是计算能力。

作者们也没有预料到会呈现出这种复杂度。一作 Beniaguev 表示：「我原以为生物神经元会更简单些，3 至 4 层人工神经元就足以捕获细胞内执行的计算。」

ICCV2021 | 参数量仅为原来1%，北邮等利用超分算法提出高性能视频传输方法

近日，来自北京邮电大学和英特尔中国研究院的研究者首先探索了不同视频段所对应的不同模型间的关系，然后设计了一种引入内容感知特征调制（Content-aware Feature Modulation，CaFM）模块的联合训练框架，用来压缩视频传输中所需传输的模型大小。该研究的方法让每一个视频段只需传输原模型参数量的 1%，同时还达到了更好的超分效果。该研究进行了大量的实验在多种超分辨率 backbone、视频时长和超分缩放因子上展现了该方法的优势和通用性。另外，该方法也可以被看作是一种新的视频编解码方式。在相同的带宽压缩下，该方法的性能（PSNR）优于商用的 H.264 和 H.265，体现了在行业应用中的潜能。

论文链接：
http://arxiv.org/abs/2108.08202

GitHub 地址：
https://github.com/Neural-video-delivery/CaFM-Pytorch-ICCV2021

加性注意力机制、训练推理效率优于其他Transformer变体，这个Fastformer的确够快

原文:
https://mp.weixin.qq.com/s/RaR9iz0jbY1W-VQegXBWmA

在过去的几年里，Transformer 及其变体在很多领域取得了巨大成功，但由于其复杂度与序列长度的二次方成正比，它的计算效率并不高。虽然之前已经有很多研究致力于 Transformer 的加速，但在遇到长序列时，这些方法要么低效，要么无效。

在这篇论文中，来自清华大学、微软亚洲研究院的研究者提出了一种基于加性注意力的 Transformer 变体——Fastformer，它能以线性复杂度实现有效的上下文建模。

论文链接：https://arxiv.org/pdf/2108.09084.pdf

华人学生团队获国际神经网络验证大赛佳绩：总分第一，五大单项第一

原文:
https://www.jiqizhixin.com/articles/2021-09-12-2

由来自卡内基梅隆大学、美国东北大学、哥伦比亚大学、加州大学洛杉矶分校的成员共同开发的工具α,β-CROWN 获得了第二届国际神经网络验证大赛总分第一，以及 5 个单项第一！其中该团队的学生作者均为华人。

近日，一年一度的国际神经网络验证大赛VNN-COMP落下帷幕。由来自卡内基梅隆大学(CMU)、美国东北大学、哥伦比亚大学、加州大学洛杉矶分校(UCLA)的成员共同研发的工具α,β-CROWN获得了第二届国际神经网络验证大赛总分第一，比分大幅度领先。该工具由华人学者张欢(CMU)、许凯第（东北大学）和王世褀（哥伦比亚大学）带领的团队开发。本文中，我们将介绍神经网络验证的基本问题、国际神经网络验证大赛的背景和本次竞赛获胜算法 α,β-CROWN。

原文链接:RTThread物联网操作系统