Cảm ơn em đã đặt câu hỏi. Anh có thể giải thích đơn giản ý tưởng của phần này tức là đối với không gian 2D hoặc nhiều chiều hơn thì lý tưởng nhất possitional encoding nên được giảm đồng đều theo tất cả các hướng (ví dụ trên ảnh 2D thì càng xa tâm thì các position encoding cũng càng mang giá trị nhỏ dần, bất kê đi theo hướng nào như trong hình b, tức là các điểm có cùng bán kính tính từ tâm thì giá trị encoding của vị trí nên có sự tương đồng). Nếu như dùng hàm sinnusoid độc lập trên mỗi chiều X, Y thì sẽ gặp hiện tượng một số hướng possition bị triệt tiêu, một số lại vẫn được tăng cường mạnh (như em thấy trong hình a thì hai trục vuông góc với X và Y sẽ được tăng cường mạnh). Giải thích về hiện tượng này em có thể tham khảo paper Learnable Fourier Features for Multi-Dimensional Spatial Positional Encoding arxiv.org/pdf/2106.02795.pdf nhé
Bạn lấy video của Umar Jamil rồi Việt hóa thì phải. Dù sao thì cũng cảm ơn b nhiều 🎉❤
Phải đăng nhập để like và hi vọng anh ra nhiều video như thế này hơn ạ
Cảm ơn em nhiều. Nhớ đăng kí kênh nha em
hôm bữa e có bài viết hỏi về SAM trên gr mì AI luôn
mong anh ra nhiều clip về giải thích paper cả llm nữa ạ
mong mỗi tuần sẽ có 1 paper ạ.
quá hay anh ạ , mong a ra nhiều video kiểu này ạ
Cảm ơn em nhiều. Anh sẽ cố gắng ra nhiều video như này hơn
cảm ơn a
em cảm ơn anh đã dành thời gian ra làm video giới thiệu về model như thế này ạ. Với lại em có một thắc là ở phần positional encoding 2D anh có nói các điểm xung quanh điểm center phải có positional encoding giống nhau. Em vẫn chưa hiểu câu nói đó lắm ạ. Anh có thể giải thích giúp em hoặc có tài liệu gì về vấn đề này k ạ? Em cảm ơn anh.
Cảm ơn em đã đặt câu hỏi. Anh có thể giải thích đơn giản ý tưởng của phần này tức là đối với không gian 2D hoặc nhiều chiều hơn thì lý tưởng nhất possitional encoding nên được giảm đồng đều theo tất cả các hướng (ví dụ trên ảnh 2D thì càng xa tâm thì các position encoding cũng càng mang giá trị nhỏ dần, bất kê đi theo hướng nào như trong hình b, tức là các điểm có cùng bán kính tính từ tâm thì giá trị encoding của vị trí nên có sự tương đồng). Nếu như dùng hàm sinnusoid độc lập trên mỗi chiều X, Y thì sẽ gặp hiện tượng một số hướng possition bị triệt tiêu, một số lại vẫn được tăng cường mạnh (như em thấy trong hình a thì hai trục vuông góc với X và Y sẽ được tăng cường mạnh). Giải thích về hiện tượng này em có thể tham khảo paper Learnable Fourier Features for Multi-Dimensional
Spatial Positional Encoding arxiv.org/pdf/2106.02795.pdf nhé
@@eztechvietnam Dạ em cảm ơn anh ạ ^^
Anh hướng dẫn làm voice clone trực tiếp trên pc không cần gg colab đi a
lâu rồi ko thấy bạn ra video mới
Tuyệt vời quá anh ơi. Anh có dự định làm 1 series như thế này không ạ 😍
Có em ơi, mình rất muốn làm những video như này vì nó đúng chuyên môn của mình hơn
@@eztechvietnam Xem overview của anh rồi đọc paper là hiệu quả hơn rất nhiều luôn ạ
@@minhhnh_in_jp Cảm ơn em đã động viên. Em có thể comment các paper muốn làm để mình có thêm ý tưởng nhé
Em rất thích series này nếu được có thể 1 tuần 1 paper được không ạ
Cảm ơn em. Mình sẽ cố gắng. Mình cũng rất thích chia sẻ những video như này
Anh ơi, giải thích model YOLOv8 được không anh :(
Cảm ơn em. Để anh lên plan nha
@@eztechvietnam dạ em cảm ơn anh