出品人：Towhee 技术团队 王翔宇、顾梦佳视频理解包括许多有趣的任务理解空间和时间信息，其中最具挑战性的问题之一就是特征提取。由于无约束视频冗长和复杂时间结构，从未修剪的视频提取上下文视觉表征变得十分困难。不同于现有的方法使用预训练的骨干网络作为黑盒来提取视觉表示，基于感知的多模态表征 PMR 旨在通过可...

出品人：Towhee 技术团队 王翔宇、顾梦佳掩码图像建模在各项视觉任务上都取得了可喜的成果，然而学习到的表征依然缺乏可辨别性。为了改善这个问题，一种新的自监督预训练方法 CMAE（Contrastive Masked Autoencoders）能够学习更全面、更有能力的视觉表征。 CMAE 统一并且利用了对比学习（CL）和掩码图像建模（MIM），以...

出品人：Towhee 技术团队 顾梦佳开放词汇模型（比如CLIP）在推理过程中对自然语言指定的任意一组类别进行分类，是一种很有前途的图像分类新范例。这种称为“提示”的自然语言通常由一组手写模板组成。为了更高效且独立地生成更准确的提示，CuPL（通过语言模型创建自定义提示）将开放词汇模型与大型语言模型 (LLM) 相结合，...

出品人：Towhee 技术团队 王翔宇、顾梦佳X-Decoder 是一种通用解码模型，可以无缝实现像素级图像分割和语言分词。 它的输入支持两种类型的查询：通用非语义查询和基于文本输入的语义查询，能够在同一语义空间中解码不同的像素和分词级别的输出。凭借新颖的设计，X-Decoder 首次提供了一种统一方式用于支持所有类型的图像...

QueryCoord 是 Milvus 中查询集群的中心调度节点，在用户将一个 Collection Load 到内存中时，QueryCoord 负责将该 Collection 的 Segment 调度到 QueryNode 集群中，以支持后续的查询。

近日，开源项目 Milvus 在向量数据库征程上取得了新的里程碑——GitHub 10,000 星。虽然我们认为 star 数不是评价开源项目质量的唯一标准，但还是感谢每一位通过点星来支持 Milvus 项目的开发者。

编者按：本文详细解剖 Milvus 2.0 主要的数据处理流程以及访问接入层（ Access Layer）。分享大纲：回顾 Milvus 2.0 的架构；介绍 Milvus 2.0 代码结构的组织方式；介绍主要的数据处理流程；具体介绍访问接入层。主要数据处理流程Milvus 2.0 中主要的数据处理流程包括读写路径、建表等数据定义操作以及向量索引构建流程...

文章0 1AI 如何画出虚拟老婆的？最近大火的 Waifu Labs 项目使用生成对抗网络方法，训练 AI 创作「虚拟老婆」。这篇文章[1]解剖 AI 学习的步骤，我们可以看到一张二次元面孔是如何在一片混沌中生成的。生成对抗网络简称 GAN，是非监督式学习的一种方法，你可以把它想象成一对为了学习而相互博弈的 AI：一个 AI 学习如何...

作者简介 李云梅，Zilliz 数据工程师，毕业于华中科技大学计算机系。加入 Zilliz 以来，致力于为开源向量数据库 Milvus 探索解决方案，帮助用户打造场景应用。深入关注自然语言处理技术和搜索推荐系统，日常喜欢一个人猫着乱翻书。

文章作者：Seven-机器学习算法工程师李晴-Zilliz 数据工程师背景介绍在海量信息中，不乏非法分子利用网络骗取用户信任并从中获利，钓鱼网站就是其中之一。“钓鱼”网站的网址、网页内容、布局等与真实网站极其相似，没有安全意识的网民容易因此上当受骗，造成严重后果。现有的比较典型的检测钓鱼网站的方法有：基于黑白名...

发布时间：2020-10-16版本兼容升级必看 ⚠️1. 调整了 partition tag 的支持字符集：不支持使用英文字母、数字、"_"、"$" 以外的字符命名 partition tag。partition tag 的首字母不支持使用英文字母或下划线以外的字符。2. 服务端配置文件结构调整server_config.yaml 更名为 milvus.yaml，配置参数兼容 a.b.c: value 的展...

发布时间：2020-6-15 | 版本兼容 | 兼容性改动 更新了 Milvus 配置文件。#2510 | 主要改进 优化了系统在存在多个小分段情况下的索引创建时间。#2373 将 FAISS 升级至 1.6.3。#2381 降低了系统在存在大量分区时删除集合需要的时间。#2394 在 GPU 版 Milvus 上优化了 k-selection 算法的实现。#2466 | 问题修复 修复了一个...

结合当下流行的 NLP 等人工智能相关技术，金山办公软件有限公司武汉 AI 部门自主研发了 WPS 智能辅助写作平台。利用意图识别、文本聚类等语义匹配算法，该平台实现了 AI 辅助用户写稿创作，并具备公文模板、素材推荐和辅助生成等特色功能，同时还实现了公文素材的海量收集，数据规模达到千万级文章、百万级提纲和段落。

本文将主要讲述 Milvus 是怎么实现删除功能的。删除是许多用户期待已久的功能，这次终于在 Milvus 0.7.0 版本中发布。区别于直接调用 FAISS 的 remove_ids 接口，为了让删除更加高效，并能够支持更多索引类型，我们做了全新的设计。

发布时间：2020-5-15 | 版本兼容 | 新增功能 支持在 Milvus 启动时检查 CPU 指令集、GPU 驱动版本和 CUDA 版本。 #2054 #2111 避免多个 Milvus 实例同时操作同一 Milvus 数据。 #2059 支持日志文件轮转。 #2206 处理搜索请求时暂停创建索引。#2283 | 主要改进 重构了日志输出。 #221 升级了 OpenBLAS 版本以提高 Milvus ...

以图搜视频，顾名思义就是拿一张图片去视频底库里面搜索包含相似镜头的视频。以图搜视频中一个关键的步骤就是视频向量化，视频向量化即在视频中抽取关键帧，对每帧视频进行特征提取，将其转化为结构化的向量。至此，好奇的读者可能会问，这和以图搜图有什么区别呢？是的，对视频所有关键帧图片的搜索本质上就是以图搜图。

新药研发领域长期以来都以耗时长、成本高、风险大、回报率低而著称，一款新药的平均研发成本已经高达 26 亿美元，而平均耗时需要十年。尽管付出了如此高昂的研发成本和漫长的研发周期，却依然无法保证所研发的药物能够顺利通过全部临床实验而投放市场。即便是难度较低的仿制药研发，其研发的进程也是十分缓慢。

Milvus 向量搜索引擎开源半年以来，全球已经有过百家企业或组织用户。小米作为一家专注于智能硬件和电子产品研发的全球化移动互联网企业，也是 Milvus 的重要用户。

贝壳作为一家房产服务互联网平台，如何在海量房源中选出能够快速成交的房源是对平台和经纪人来说都是一件非常重要同时具有挑战的事情，但是针对房型图，户型信息等一系列非结构化数据在平台中应该怎么搜索呢？

想直接看视频的朋友请点击-> Chat with Milvus 线上问答第八期视频  部分Q&A文字实录 User A： 第一次看到你们这个项目，想要了解一下。 顾老师 @ Milvus： 好，没有关系，这不需要准备，我们也想了解一下，就是说你是希望把Milvus这样的一个向量搜索引擎应用到什么样子的一个AI的场景当中？ User A： 我觉得像视...

问答系统是自然语言处理领域一个很经典的问题，它用于回答人们以自然语言形式提出的问题，有着广泛的应用。其经典应用场景包括：智能语音交互、在线客服、知识获取、情感类聊天等。常见的分类有：生成型、检索型问答系统；单轮问答、多轮问答系统；面向开放领域、特定领域的问答系统。本文涉及的主要是在检索型、面向特...

Milvus 是一款开源的特征向量相似度搜索引擎，在2020-03-11我们发布了版本0.7.0。在该版本中，Milvus 为存储系统添加了一个新组件— WAL（write-ahead logging，预写日志系统）。今天我们就来详细介绍一下相关背景和实现原理，以及如何能更好地使用它。

Milvus 特征向量相似度搜索引擎通过技术委员会投票，正式加入 Linux AI（LF AI）基金会成为其最新的孵化项目。LF AI 基金会的使命是建立和支持开放的人工智能社区，通过促进协作和创新为社区所有成员创造新机会，推动人工智能（AI）、机器学习（ML）和深度学习（DL）领域的开源创新。

针对 FLAT 索引类型，新增子结构（substructure）和超结构（superstructure）距离计算方式。这两种距离计算方式常用于化学分子式的子结构和超结构搜索。[链接]

在这篇文章，我们会主要描述 Milvus 里向量数据是如何被记录在内存中，以及这些记录以怎样的形式维护。 我们的设计目标主要有下面三点： 数据导入效率要高 数据导入后尽快可见 避免数据文件碎片化 因此，我们建立了插入数据的内存缓冲区（insert buffer），以减少磁盘随机 IO 和操作系统中上下文切换的次数，从而提升数...