特斯拉开发Dojo神经网络训练计算机；CMU 新实验改善机器人知觉

一分钟速览！

l 特斯拉开发Dojo神经网络训练计算机 后者是性能野兽

l 高通骁龙芯片存在 400 多个漏洞，影响全球超 40% 机型

l 战略合做：携程核心供应连接入京东

l 英特尔 11 代酷睿实现 “跨代式”提高：低电压下可达更高频率

l 英伟达收购Arm交易最快夏末完成 后者价值约440亿美圆

l 几行代码便可高效建立数据集，谷歌开源 TFRecorder

l CMU 研究人员探索声音以帮助改善机器人知觉

l 谷歌开源 chromeOS.dev，在 Chrome OS 上构建应用更轻松

l ACL 2020 | 基于不一样硬件搜索更好的Transformer结构

l ECCV 2020 Spotlight | 图像定位上的细粒化区域类似性自监督

l ECCV2020｜显著改善分割预测，ETH开源基于情景图储存网络的视频目标分割

【行业要闻】

1、特斯拉开发Dojo神经网络训练计算机 后者是性能野兽

8月16日消息，特斯拉CEO马斯克日前在社交网络上表示，公司正在开发一种称为Dojo的神经网络训练计算机，以处理大量的视频数据。马斯克称，Dojo就像是一头真正的性能野兽。在去年的自动驾驶开放日（“Autonomy Day”）上，马斯克曾表示，Dojo目标是可以接收大量数据并在视频级别进行培训，并使用Dojo程序或Dojo计算机对大量视频进行无监督的大规模训练（unsupervised massive training）。

二、高通骁龙芯片存在 400 多个漏洞，影响全球超 40% 机型

网络安全供应商 Check Point 表示，该公司在一项代号为“Achilles”研究中，对高通骁龙的数字信号处理（ Digital Signal Processing，DSP）芯片进行了普遍的安全性评估。结果发现，该芯片中存在 400 多个易受攻击的代码段。 这意味着，全球市场上有超过 40% 的设备（涉及谷歌、三星、LG、小米、一加等安卓手机）将受到该漏洞影响，面临被黑客入侵的风险。DSP 芯片是手机中的一种辅助芯片，主要负责处理音频、视频和图像数据；出如今大多数现代手机中，并随高通的骁龙处理器一块儿提供。

三、战略合做：携程核心供应连接入京东

8月16日，京东集团、携程集团正式签署战略合做协议。根据合做协议，携程的核心产品供应链将接入京东平台，同时双方将在用户流量、渠道资源、跨界营销、商旅拓展、电商合做等方面开展全方位的合做。达成合做后，携程将为京东提供实时产品库存，以及极具市场竞争力的产品价格，京东则将接入携程的核心产品供应链，并将京东平台的用户流量开放给携程，在平常运营、精准营销方面为携程旅行产品供应链提供全方位的支持。

四、英特尔 11 代酷睿实现 “跨代式”提高：低电压下可达更高频率

英特尔正式公布了 Tiger Lake SoC，采用了 Willow Cove 架构，官方称将提供超越代间 CPU 性能的提升。根据英特尔的官方文件， Willow Cove 架构下，处理器可在更低的电压下达到更高的频率。

5、英伟达收购Arm交易最快夏末完成 后者价值约440亿美圆

知情人士称，英伟达和Arm双方已进入排他性谈判阶段，有望在夏末以前达成交易。外媒称，今年4月，Arm首次被其母公司软银挂牌出售，当时美国投行高盛受聘物色潜在买家。高盛4月份曾联系苹果，但苹果并不打算参与竞购，由于Arm的受权业务与苹果软件和硬件结合的商业模式并不十分相符。而且，若是苹果收购这家为众多竞争对手供货的芯片技术受权商，还有可能引起监管方面的担心。

6、几行代码便可高效建立数据集，谷歌开源 TFRecorder

谷歌近期开源了 TensorFlow Recorder（即 TFRecorder）项目，旨在简化 TFRecord 的建立流程。TFRecord是一种二进制文件格式，处理数据相对高效，但要将其余数据转为 TFRecord 较为麻烦，一般须要编写一个数据管道来解析结构化数据，从存储中加载图像，而后再将结果序列化为 TFRecord 格式。而这次开源的 TFRecorder 可以直接从 Pandas dataframe 或 CSV 等格式写入 TFRecords，无需再编写复杂的代码。

七、CMU 研究人员探索声音以帮助改善机器人知觉

卡内基梅隆大学的研究团队的一项新实验提出了使用 Rethink Robotics 的 Sawyer 在金属托盘中移动物体的方法，以使它们感受到它们在周围滚动，滑动并撞向侧面时发出的声音。总共有 60 个对象-包括工具，木块，网球和一个苹果-记录和分类了 15,000 个「交互」。该团队将机器人命名为「Tilt-Bot」，可以识别物体，成功率高达 76％，甚至能够肯定金属螺丝刀和扳手之间相对较小的材料差别。经过使用声音数据，该机器人一般可以正确肯定对象的材料构成。

八、谷歌开源 chromeOS.dev，在 Chrome OS 上构建应用更轻松

谷歌近日推出了 Chrome OS 开发者中心（chromeOS.dev），网站内包含许多技术资源、教程、代码示例和新鲜资讯等，其目的是“帮助开发者更大限度地利用平台上的功能”，了解 Chrome OS，并更轻松地构建 Chrome OS 应用程序。 chromeOS.dev 的主要目标人群是 Web、Android 以及 Linux 开发者，也包括设计师、产品经理，还有业务负责人。目前该网站仅提供英文和西班牙语，以后会陆续支持更多语种。

【学术前沿】

一、 ACL 2020 | 基于不一样硬件搜索更好的Transformer结构

过去有大量针对Transformer结构进行简化的工做，可是它们都没有考虑到不一样硬件对模型结构的影响。本文首次提出使用网络结构搜索（NAS）的方法，针对不一样的硬件，搜索适合该硬件的最佳的Transformer结构。实验代表，在不一样硬件下，获得的Transformer结构相比其余模型更小、更快，且不损效果。

论文连接：https://arxiv.org/abs/2005.14187

二、 ECCV 2020 Spotlight | 图像定位上的细粒化区域类似性自监督

本文介绍一篇咱们发表于 ECCV 2020 的论文，很荣幸该论文被收录为 spotlight presentation。咱们针对大规模图像定位中的弱监督问题提出有效的解决方法，旨在经过自监督学习的方法充分挖掘表征学习中的难样本，并进一步将图像级监督细粒化为区域级监督，以更好地建模图像与区域间的复杂关系。 利用该算法训练的模型具备较强的鲁棒性和泛化性，在多个图像定位数据集上进行了验证，Recall@1 准确度大幅超越最早进技术高达 5.7%，代码和模型均已公开。

论文连接：https://arxiv.org/abs/2006.03926

三、ECCV2020｜显著改善分割预测，ETH开源基于情景图储存网络的视频目标分割

本文着力于解决视频目标分割领域的一个基本问题：使分割模型有效适应特定视频以及在线目标的外观变化。提出了一种简洁快速的新图存储机制，显著改善了分割预测。此外，图存储网络产生的框架还能够推广到one-shot和zero-shot视频目标分割任务。

论文连接：https://arxiv.org/pdf/2007.07...

*以上信息来源于网络，由“京东智联云开发者”公众号编辑整理，不表明京东智联云立场*