公开了图像处理应用中的目标对象检测，具体公开了用于训练和应用第一机器学习模型以识别输入图像内的多个感兴趣区域，以及用于训练和应用多个第二机器学习模型以识别由所述第一机器学习模型识别的每个感兴趣区域内的一个或更多个对象的装置、系统和技术。...

实现循环神经网络的装置、系统和技术。在至少一个实施例中，应用程序编程接口接收包括图定义和循环属性的一个或更多个API调用，并基于图定义执行循环神经网络。基于图定义执行循环神经网络。基于图定义执行循环神经网络。

使用一个或更多个并行处理单元(PPU)在第五代(5G)新无线电(NR)网络中执行信号处理运算的装置、系统和技术。在至少一个实施例中，一个或更多个PPU在基带单元(BBU)中实现信号处理，该BBU单元在通信网络中执行5GNR物理层运算。算...

用于解码QC

在至少一个实施例中，空间数据的搜索通过将所述搜索问题重新表述为光线追踪问题来执行。在至少一个实施例中，所述光线追踪问题使用图形处理单元来求解。用图形处理单元来求解。用图形处理单元来求解。

本公开涉及视觉跟踪空间音频。用于确定用户的头部姿势并为用户提供音频的装置、系统和技术。在至少一个实施例中，至少部分地基于相机帧信息来确定头部姿势，并且至少部分地基于所确定的头部姿势来生成音频信号。所确定的头部姿势来生成音频信号。所确定的...

公开了约束设备定位，具体公开了涉及约束设备(例如，安全带)定位的系统和方法。在一个实施例中，本公开涉及用于安全带检测和建模的系统和方法。车辆可由佩戴一个或更多个安全带的一个或更多个乘员占用。相机或其他传感器被放置在车辆内以捕获一个或更多...

涉及使用一个或更多个神经网络的液体流分配。公开了用于冷却计算机环境的系统和方法。在至少一个实施例中，一个或更多个神经网络可用于调节用于数据中心的液体冷却系统的一个或更多个流量控制阀，以控制整个数据中心的液体流率的变化。的液体流率的变化。...

一种用于数据中心冷却系统中局部冷却回路的智能可替换模块化单元。公开了用于冷却数据中心的系统和方法。在至少一个实施例中，模块化单元是可替换的或可热替换的并且具有热交换器、变速风扇和使流体通过冷板的微通道的至少一个流量控制器，使得流体从至少...

本发明公开了实时射线追踪应用中使用空间散列的光重要性高速缓存。可以确定并高速缓存光贡献信息，以用于渲染场景的图像帧。在至少一个实施例中，可以使用空间散列数据结构将所述场景划分为区域，例如八面体体素。使用投射光射线，可以为每个单独的体素计...

公开了一种用于数据生成、使用所生成的数据创建地图和定位到所创建的地图的端到端系统。可以生成地图流——或传感器数据流、来自深度神经网络(DNN)的感知输出和/或相对轨迹数据——与任何数量的车辆的任何数量的驾驶相对应并且将其上传至云。地图流...

用于纠正从多个第五代新无线电天线接收到的信息中的错误的装置、系统和技术。在至少一个实施例中，码字信息由多个变量(或向量)节点和校验节点解码，其中码字和节点在处理器之间划分以并行执行。间划分以并行执行。间划分以并行执行。

本发明公开了在基于云的流式应用程序中测量和检测空闲处理周期时段并确定其根本原因。公开了一种用于分析数据以检测基于云的服务内的问题的技术。数据中心中的主机计算设备启动虚拟机，其中至少有一些虚拟机为流式服务运行管线堆栈。主机计算设备中的虚拟...

公开了用于下行链路传输的并行预编码，具体地公开了用于并行确定第五代(5G)新无线电(NR)下行链路传输的预编码权重的装置、系统和技术。在至少一个实施例中，并行处理器包括一个或更多个电路，用于并行地使用两个或更多个处理线程对5G下行链路信...

提出了用于生成图像的装置、系统和技术。在至少一个实施例中，一个或更多个神经网络用于使用至少部分地基于一个或更多个子像素偏移值所确定的一个或更多个像素权重来生成一个或更多个图像。。。

公开了三维层析重建管线，具体公开了从对象的层析图像(例如x射线图像)构建该对象的三维(3D)密度体。该层析图像是捕获波束源与成像传感器之间的对象(例如人体)的所有结构的投影图像。波束沿着通过对象的路径有效地整合，在成像传感器处产生层析图...

公开了优化神经网络的技术，具体地，公开了为神经网络高速缓存和重用数据的装置、系统和技术。在至少一个实施例中，由神经网络的一个或更多个层生成的数据被高速缓存且由所述神经网络重用。神经网络重用。神经网络重用。

与传统方法相比，本公开根据各种实施例的方法提供具有显著减少的时间和存储器需求的流体模拟。特别地，各种实施例可以使用不求解所述纳维

介绍了用于生成图像或视频内容的装置、系统和技术。在至少一个实施例中，一个或更多个神经网络用于至少部分地基于第一对象的一个或更多个图像来生成第二对象的一个或更多个时间推移图像。时间推移图像。时间推移图像。

在各个示例中，可以部署多传感器融合机器学习模型——例如深度神经网络(DNN)——来融合来自多个单独机器学习模型的数据。因此，多传感器融合网络可以使用来自多个机器学习模型的输出作为输入来生成融合输出，该融合输出表示来自提供机器学习模型的每...