-
公开(公告)号：CN119402711A
公开(公告)日：2025-02-07
申请号：CN202411520175.5
申请日：2020-11-24
Applicant: 微软技术许可有限责任公司
IPC: H04N21/443 , G06F9/455 , H04L67/306 , H04L65/61
Abstract: 提供了一种计算机系统，该计算机系统包括被配置为执行主机虚拟机的至少一个处理器，该主机虚拟机被配置为托管与至少一个客户端计算机设备的会话。主机虚拟机包括具有用于绘制媒体内容的多媒体框架的操作系统。至少一个处理器还被配置为执行被配置为从媒体源访问媒体内容的媒体应用，使用多媒体框架处理来自媒体应用的经编码的媒体内容，并且执行多媒体重定向模块，该多媒体重定向模块被配置为拦截经编码的媒体内容以不被多媒体框架的解码模块处理。多媒体重定向模块被配置为将经编码的媒体内容重定向到至少一个客户端计算机设备。
-
公开(公告)号：CN115114901B
公开(公告)日：2025-01-28
申请号：CN202110302025.7
申请日：2021-03-22
Applicant: 微软技术许可有限责任公司
IPC: G06F40/211 , G06F40/30 , G06F40/58 , G06N3/045 , G06N3/096
Abstract: 本公开提出了用于跨语言文本的表示学习的方法和装置。可以获得源语言文本和目标语言文本。可以生成所述源语言文本和所述目标语言文本的初始联合表示。可以识别所述源语言文本和所述目标语言文本中的多个词之间的关系。可以基于所述初始联合表示和所述关系来生成所述源语言文本和所述目标语言文本的联合表示。可以将所述联合表示至少映射为与所述目标语言文本相对应的目标语言表示。
-
公开(公告)号：CN112905864B
公开(公告)日：2025-01-28
申请号：CN202110184258.1
申请日：2016-06-01
Applicant: 微软技术许可有限责任公司
IPC: G06F16/907 , G06F16/908 , G06F16/78 , G06F16/9535 , G06N20/00
Abstract: 本公开的实施例涉及元数据标签描述的生成。提供了用于元数据标签评估的一个或多个技术和/或系统。例如，可以标识与内容相关联的元数据标签(例如，可以使用主题标签#ML来标记社交网络帖子)。可以利用概率矩阵和内容来评估上述内容内的一组字符，以标识经扩展的元数据标签(例如，经扩展的主题标签“机器学习”)。可以检索与经扩展的元数据标签相关联的描述性内容，诸如网站、文章、社交网络帖子和/或其他内容。可以基于描述性内容(例如，用于机器学习的定义)来生成元数据标签的描述。以这种方式，可以将描述、相关元数据标签和/或补充内容提供给有兴趣了解元数据标签的用户。
-
公开(公告)号：CN112567361B
公开(公告)日：2025-01-28
申请号：CN201980034238.7
申请日：2019-05-06
Applicant: 微软技术许可有限责任公司
IPC: G06F16/532 , G06F16/583
Abstract: 一种视觉搜索系统包括计算设备，该计算设备包括：图像处理引擎，用于生成表示图像输入中的用户所选择对象的特征矢量；对象检测引擎，用于在图像输入中定位一个或多个对象并且用于从图像输入中的对象确定用户所选择对象的类别，对象检测引擎使用类别生成针对用户所选择对象的多个属性；用于存储多个表的产品数据存储，多个表存储与用户所选择对象的类别相关联的一个或多个属性；属性生成引擎，用于为用户所选择对象的每个属性生成多个属性选项；以及属性匹配引擎，用于比较用户所选择对象的属性和属性选项以及视觉上相似的产品和图像的属性和属性选项。
-
公开(公告)号：CN112154421B
公开(公告)日：2025-01-24
申请号：CN201980034235.3
申请日：2019-05-06
Applicant: 微软技术许可有限责任公司
IPC: G06F11/3668 , G06F11/34 , G06F11/30
Abstract: 提供了一种计算机系统，其包括具有多个节点的云平台。每个节点包括被配置以运行虚拟机的处理器。该云平台包括被配置以在多个节点中的所选节点上生成故障条件的故障条件注入引擎。该计算机系统进一步包括用户界面系统，该用户界面系统被配置以从用户接收故障条件实验参数的用户输入以用于与该用户相关联的目标虚拟机。该云平台将该多个节点中的一组节点分配给受控沙箱环境，该受控沙箱环境被配置以运行该用户的目标虚拟机。该故障条件注入引擎基于故障条件实验参数在所分配的一组节点上生成故障条件。
-
Patent Agency Ranking
公开(公告)号：CN111788608B
公开(公告)日：2025-01-24
申请号：CN201980014549.7
申请日：2019-02-12
Applicant: 微软技术许可有限责任公司
Abstract: 在此公开的各种实施例之中，是用于以混合方法与屏幕空间反射一起使用实时射线跟踪的示例方法。在某些实现中，这两种方法在对要被绘制的像素的初步分析(预通过)期间决定针对给定像素是使用屏幕空间反射还是射线跟踪的过程中进行组合。
-
公开(公告)号：CN113869342B
公开(公告)日：2025-01-17
申请号：CN202110718169.0
申请日：2021-06-28
Applicant: 微软技术许可有限责任公司
IPC: G06F18/214 , G06N20/00
Abstract: 提供了用于检测标记偏移并调整预估性模型的训练数据作为响应的技术。在实施例中，第一机器学习得出的模型用于为多个评分实例中的每一个生成预估标记。第一机器学习得出的模型是使用一种或多种机器学习技术基于多个训练实例被训练的，多个训练实例中的每个训练实例包括观察标记。响应于检测到观察标记的偏移，针对多个片段中的一个或多个片段中的每个片段，标识训练数据的与片段相对应的一部分。针对训练数据的一部分的子集中的每个训练实例，调整训练实例。将经调整的训练实例添加到最终的训练数据集。(多种)机器学习技术用于基于最终的训练数据集来训练第二机器学习得出的模型。
-
公开(公告)号：CN112154462B
公开(公告)日：2025-01-17
申请号：CN201980033991.4
申请日：2019-05-07
Applicant: 微软技术许可有限责任公司
IPC: G06N3/063 , G06N3/0464 , G06N3/08
Abstract: 使用DNN的简档将深度神经网络(DNN)的层划分为多个阶段。阶段中的每个阶段包括DNN的层中的一个或多个层。将DNN的层划分为多个阶段以各种方式被优化，包括优化划分以最小化训练时间，最小化用于训练DNN的工作者计算设备之间的数据通信，或确保工作者计算设备执行大致相等量的处理来训练DNN。阶段被分配给工作者计算设备。工作者计算设备使用调度策略来处理训练数据的批次，该调度策略使得工作者在DNN训练数据的批次的前向处理与DNN训练数据的批次的后向处理之间交替。这些阶段可以被配置成用于模型并行处理或数据并行处理。
-
公开(公告)号：CN113705193B
公开(公告)日：2025-01-14
申请号：CN202111002268.5
申请日：2016-06-28
Applicant: 微软技术许可有限责任公司
Inventor： C·L·马林斯
IPC: G06F40/197
Abstract: 描述了一种用于呈现文档内容的设施。在应用中，所述设施接收用于将特定的文档内容具体化的请求。在另外的应用中，响应于接收到所述请求，所述设施使得所述文档内容被取回，并且使得呈现代码呈现所取回的文档内容；该呈现代码既不是所述应用原生的，也不链接到要执行的应用中。
-
公开(公告)号：CN119301956A
公开(公告)日：2025-01-10
申请号：CN202280096596.2
申请日：2022-06-17
Applicant: 微软技术许可有限责任公司
IPC: H04N19/85 , H04N19/48 , G06N3/0464 , G06N3/08 , G06T3/4053 , G06T5/60
Abstract: 一种计算设备，包括处理器，处理器被配置为接收包括多个输入图像的输入视频数据。输入图像中的每个输入图像可以包括多个输入像素。针对每个输入图像，处理器还可以被配置为对输入图像执行上采样并将经上采样的输入图像划分成相应的多个分块。对于每个分块，处理器还可以被配置为生成多个时间空间频率令牌。针对分块生成的多个时间空间频率令牌可以由时间步长、空间位置和频率来索引。至少部分地在经训练的机器学习模型处，处理器还可以被配置为至少部分地基于时间空间频率令牌来生成多个超分辨输出图像。处理器还可以被配置为输出超分辨输出图像。
-
-
-
-
-
-
-
-
-
Search Results
14917
records
(took 0.107 seconds)
