在线免费看片a欧美,午夜AV不卡网站在线播放,久久综合尹人77777,96国产在线分享

2022 超全的 AI 圈研究合集在這！知名博主 Louis Bouchard 自制視頻講解加短篇分析，對白也超級友好。雖世界仍在復蘇，但究并沒有放慢其狂的步伐，尤其是在工智能領域。此外今年人們對 AI 倫理、偏見、治理透明度都有了新的視。人工智能和我對人腦的理解及其人工智能的聯(lián)系在斷發(fā)展，在不久的來，這些改善我們活質量的應用將大光彩。知名博主 Louis Bouchard 也在自己的博客中盤點了 2022 年 32 項（!）AI 技術突破。接下來讓我一起看看，這些令驚艷的研究都有哪吧！文章地址：https://www.louisbouchard.ai/ 2022-ai-recap/LaMA：基于傅里葉卷積的分辨率鸮健的大掩碼修復你肯定經(jīng)過這種情況：你和的朋友拍了一張很的照片。結果，你現(xiàn)有人在你身后，了你要發(fā)到朋友圈者小紅書的照片。現(xiàn)在，這不再是問?；诟道锶~卷積分辨率穩(wěn)健的大型碼修復方法，可以使用者輕松清除圖中不需要的內(nèi)容。論是人，還是垃圾都能輕松消失。它像是你口袋里的專 ps 設計師，只需輕輕一按，就能松清除。雖然看似單，但圖像修復是多 AI 研究人員長期以來一直需要決的問題。論文鏈：https://arxiv.org/ abs / 2109.07161項目地址：https://github.com/ saic-mdal / lamaColab Demo：https://colab.research.google.com/github/saic-mdal/lama/blob/master/colab/LaMa_inpainting.ipynb視頻講解：https://youtu.be/ Ia79AvGzveQ短篇分析：https://www.louisbouchard.ai/ lama/STIT：基于 GAN 的真實視頻人臉編輯肯定有過這樣的經(jīng)：在看電影時，會現(xiàn)電影中的演員看來要比本人年輕得?！峨p子殺手》中威爾?史密斯之前這需要專業(yè)人員花數(shù)百甚至數(shù)千小時工作，手動編輯這演員出現(xiàn)的場景。利用 AI，你可以在幾分鐘內(nèi)完成。實上，許多技術可讓你增加笑容，讓看起來更年輕或更，所有這些都是使基于人工智能的算自動完成的。它在頻中被稱為基于 AI 的面部操作（AI-based face manipulations），代表了 2022 年的最新技術水平。論文鏈接：https://arxiv.org/ abs / 2201.08361項目地址：https://github.com/ rotemtzaban / STIT視頻講解：https://youtu.be/ mqItu9XoUgk短篇分析：https://www.louisbouchard.ai/ stitch-it-in-time/NeROIC：利用在線圖庫的神經(jīng)渲神經(jīng)渲染可以通過體、人物或場景的片，在空間中生成真的 3D 模型。有了這項技術，你需擁有某物體的幾圖片，就可以要求器了解這些圖片中物體，并模擬出它空間中的樣子。通圖像來理解物體的理形狀，這對人類說很容易，因為我了解真實的世界。對于只能看到像素機器來說，這是一完全不同的挑戰(zhàn)。成的模型如何融入場景？如果照片的照條件和角度不同生成的模型也會因變化，該怎么辦？些都是 Snapchat 和南加州大學在這項新研究常羲要解決的問題。論鏈接：https://arxiv.org/ abs / 2201.02533項目地址：https://github.com/ snap-research / NeROIC視頻講解：https://youtu.be/ 88Pl9zD1Z78短篇分析：https://www.louisbouchard.ai/ neroic/SpeechPainter：文本條件下的語音修復對申子圖來說，基于機器學的修復技術不僅可移除其中的內(nèi)容，且還能根據(jù)背景信填充圖像的缺失部。對于視頻修復來，其挑戰(zhàn)在于不僅保持幀與幀之間的致性，而且要避免成錯誤的偽影。同，當你成功地將一人從視頻中「踢出」之后，還需要把 / 她的聲音也一并刪除才行。為此谷歌的研究人員提了一種全新的語音復方法，可以糾正頻中的語法、發(fā)音甚至消除背景噪音論文鏈接：https://arxiv.org/ abs / 2202.07273視頻講解：https://youtu.be/ zIIc4bRf5Hg短篇分析：https://www.louisbouchard.ai/ speech-inpainting-with-ai/GFP-GAN：利用生成性面部先驗實現(xiàn)真實世界的盲修復你是否有一些藏的舊照片，因為代久遠而畫質模糊不用擔心，有了盲修復技術（Blind Face Restoration），你的回憶會被久彌新。這個全新免費的 AI 模型可以在一瞬間修復的大部分舊照片。使修復前的照片畫非常低，它也能很地工作。這在之前常是一個相當大的戰(zhàn)。更酷的是，你以按照自己喜歡的式進行嘗試。他們經(jīng)開源了代碼，創(chuàng)了一個演示和在線用程序供大家試用相信這項技術一定你大吃一驚！論文接：https://arxiv.org/ abs / 2101.04061項目地址：https://github.com/ TencentARC / GFPGANColab Demo：https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo在線應用：https://huggingface.co/ spaces / akhaliq / GFPGAN視頻講解：https://youtu.be/ nLDVtzcSeqM短篇分析：https://www.louisbouchard.ai/ gfp-gan/4D-Net：多模態(tài)對齊的學習自動駕汽車如何「眼觀六」？你可能聽說過企正在使用的 LiDAR 傳感器或其他奇怪的相機。但們是如何工作的，們?nèi)绾斡^察這個世，以及它們與我們比究竟看到了什么同？論文鏈接：https://arxiv.org/ abs / 2109.01066與特斯拉只使用攝像頭來解世界不同，大多自動駕駛汽車廠商比如 Waymo，使用的是普通攝像和 3D LiDAR 傳感器。它們不會像普通相機那樣成圖像，而是生成 3D 點云，利用 RGB 傳感信息，測量物體之間的犬戎，計算它們投射到體的脈沖激光的傳時間。盡管如此，們?nèi)绾斡行У亟Y合些信息并讓車輛理它？車輛最終會看什么？自動駕駛是足夠安全？Waymo 和谷歌的一篇新研究論文將會解答些謎題。視頻講解https://youtu.be/ 0nJMnw1Ldks短篇分析：https://www.louisbouchard.ai/ waymo-lidar/Instant NeRF：基于多分辨率哈希編的即時神經(jīng)圖元如通過照片模擬世界樣子？使用 AI 模型，人們可以將攝的圖像變成高質的 3D 模型。這項具有挑戰(zhàn)性的任，讓研究人員通過 2D 圖像，創(chuàng)建物體或人在三維世界的樣子。通過基于希編碼的神經(jīng)圖元graphical primitives），英偉達實現(xiàn) 5 秒訓練 NeRF，并獲得了更好的效果。在不到兩的研究中，將 NeRF 的訓練速度提高了 1000 多倍。論文鏈接：https://arxiv.org/ abs / 2201.05989項目地址：https://github.com/ NVlabs / instant-ngp視頻講解：https://youtu.be/ UHQZBQOVAIU短篇分析：https://www.louisbouchard.ai/nvidia-photos-into-3d-scenes/DALL?E 2：基于 CLIP 特征的文本生成圖像模型去年，OpenAI 發(fā)布了文本-圖像生成模型 DALL?E。現(xiàn)在，升級版 DALL?E 2 又來了。DALL?E 2 不僅可以從文本生成逼真的圖像，其出的分辨率是前者四倍！不過，性能面的提升好像不足令 OpenAI 滿足，為此他們還 DALL?E 2 學會了一項新技能：圖像修復。也就說，你可以用 DALL?E 2 編輯圖像，或者添加任想要的新元素，比在背景中加上一只烈鳥。論文鏈接：https://arxiv.org/ abs / 2204.06125視頻講解：https://youtu.be/ rdGVbPI42sA短篇分析：https://www.louisbouchard.ai/openais-new-model-dall-e-2-is-amazing/MyStyle：個性化生成先驗谷歌和特拉維大學提出了一個非強大的 DeepFake 技術。擁有了它，你幾乎無所能。只需給一個人上百張照片，就可對其圖像進行編碼并修復、編輯或創(chuàng)出任何想要的樣子這既令人驚奇又令恐懼，尤其是當你到生成的結果時。文鏈接：https://arxiv.org/ abs / 2203.17272項目地址：https://mystyle-personalized-prior.github.io/視頻講解：https://youtu.be/ BNWAEvFfFvQ短篇分析：https://www.louisbouchard.ai/ mystyle/OPT：開放預訓練的 Transformer 語言模型GPT-3 如此強大的原因，在于其架構和大小它有 1750 億個參數(shù)，是人類大中神經(jīng)元數(shù)量的兩！如此巨大的神經(jīng)絡使該模型幾乎學了整個互聯(lián)網(wǎng)的內(nèi)，了解我們?nèi)绾螘?、交換和理解文本就在人們驚嘆于 GPT-3 的強大功能時，Meta 向開源社區(qū)邁出了一步。他們發(fā)布了一同樣強大的模型，且，該模型已經(jīng)完開源了！該模型不也有超過千億級別參數(shù)，并且，與 GPT-3 相比，OPT-175B 更加開放及便于訪問論文鏈接：https://arxiv.org/ abs / 2205.01068項目地址：https://github.com/ facebookresearch / metaseq視頻鏈接：https://youtu.be/ Ejg0OunCi9U短篇分析：https://www.louisbouchard.ai/ opt-meta/BlobGAN：空間離散的場景表征對于何描述一個場景，Adobe 研究團隊給出了一個新的方：BlobGAN。BlobGAN 使用「斑點」（blob）來描述場景中的對象。研蠃魚人員可移動這些斑點，將們變大、變小，甚可以刪除，這對圖中斑點所代表的物都會產(chǎn)生同樣的效。正如作者在他們結果中分享的那樣你可以通過復制斑，在數(shù)據(jù)集中創(chuàng)建的圖像?，F(xiàn)在，BlobGAN 的代碼已經(jīng)開源，感興趣小伙伴，抓緊快上試試吧！論文鏈接https://arxiv.org/ abs / 2205.02837項目地址：https://github.com/ dave-epstein / blobgan視頻講解：https://youtu.be/ mnEzjpiA_4E短篇分析：https://www.louisbouchard.ai/ blobgan/Gato：通才智能體DeepMind 構建了一個單一的「通」智能體 Gato。可以玩 Atari 游戲、做字幕圖像、與人聊孟子、還控制機械臂！更令震驚的是，它只訓一次并使用相同的重，便能完成所有務。Gato 是一個多模態(tài)智能體。意味著它既可以為像創(chuàng)建標題，也能為聊天機器人回答題。雖然 GPT-3 也能陪你聊天，但很明顯，Gato 可以做到更多。畢竟，能聊天燭陰 AI 常有，能陪玩游戲的不常有。論文鏈：https://arxiv.org/ abs / 2205.06175視頻講解：https://youtu.be/ xZKSWNv6Esc短篇分析：https://www.louisbouchard.ai/ deepmind-gato/Imagen：具有深度語言理解文本到圖像的擴散型如果你認為 DALL?E 2 很優(yōu)秀，那么不妨看看個來自 Google Brain 的新模型 ——Imagen—— 可以做些什么。DALL?E 很神奇，但生成的圖像往往缺乏真感，這就是谷歌團研發(fā)的 Imagen 所要解決的問題。根據(jù)比較文本到像模型的基準，Imagen 在大型語言模型的文本嵌入文本-圖像的合成方面成效顯著。生成圖像既天馬行空，真實可信。論文鏈：https://arxiv.org/ abs / 2205.11487項目地址：https://imagen.research.google/視頻講解：https://youtu.be/ qhtYPhPWCsI短篇分析：https://www.louisbouchard.ai/ google-brain-imagen/DALL·E Mini一組小扎的驚悚圖曾在 Twitter 上風靡一陣。這組 San 值狂掉的作品，出自 DALL?E mini 之手。作為 DALL?E 家族的「青春版」，DALL?E mini 是勝在免費開源。代已留，下一個被魔的人物又會是誰呢項目地址：https://github.com/ borisdayma / dalle-mini在線體驗：https://huggingface.co/ spaces / dalle-mini / dalle-mini視頻講解：https://youtu.be/ K3bZXXjW788短篇分析：https://www.louisbouchard.ai/ dalle-mini/NLLB：不落下任何一種語言Meta AI 發(fā)布的這款 NLLB-200 模型，模型命名理念來自「不落下任一種語言」（No Language Left Behind），在 200 多種語言上實現(xiàn)了任意互譯。研究役山點在于：研究者讓多數(shù)低資源語言訓提升多個數(shù)量級，時實現(xiàn)了 200 + 語言翻譯的 SOTA 結果。論文鏈接：https://research.facebook.com/ publications / no-language-left-behind/項目地址：https://github.com/ facebookresearch / fairseq / tree / nllb在線體驗：https://nllb.metademolab.com/視頻講解：https://youtu.be/ 2G4NeG17Eis短篇分析：https://www.louisbouchard.ai/ no-language-left-behind/Dual-Shutter 光學振動傳感系統(tǒng)聲也能被看見？這篇得 CVPR 2022 最佳論文榮譽獎的研究，提出了種新穎的 Dual-Shutter 方法，通過使用「速」相機（130FPS）同時檢測多個場景源的高速（高 63kHz）表面振動，并通過捕獲音頻源引起的振動實現(xiàn)。由此便可以現(xiàn)樂器的分離、噪的消除等各種需求論文鏈接：https://openaccess.thecvf.com/ content / CVPR2022 / papers / Sheinin_Dual-Shutter_Optical_Vibration_Sensing_CVPR_2022_paper.pdf項目地址：https://imaging.cs.cmu.edu/ vibration/視頻講解：https://youtu.be/ n1M8ZVspJcs短篇分析：https://www.louisbouchard.ai/ cvpr-2022-best-paper/Make-A-Scene：基于場景且有人類先的文本到圖像生成Make-A-Scene 不僅僅是「另一個 DALL?E」。雖然 DALL?E 可以根據(jù)文本提示生成隨機圖像這確實很酷，但同也限制了用戶對生結果的控制。而 Meta 的目標是推動創(chuàng)意表達，將這文本到圖像的趨勢之前的草圖到圖像型相結合，從而產(chǎn)「Make-A-Scene」：文本和草圖條件圖像生成間的奇妙融合。論鏈接：https://arxiv.org/ abs / 2203.13131視頻講解：https://youtu.be/ K3bZXXjW788短篇分析：https://www.louisbouchard.ai/ make-a-scene/BANMo：從任意視頻中構建標 3D 動畫模型基于 Meta 的這項研究，你只需定捕獲可變形對象任意視頻，比如上幾個小貓小狗的視，BANMo 便可通過將來自數(shù)千張像的 2D 線索整合到規(guī)范空間中，而重建一個可編輯動畫 3D 模型，且無需預定義形狀板。論文鏈接：https://arxiv.org/ abs / 2112.12761項目地址：https://github.com/ facebookresearch / banmo視頻講解：https://youtu.be/ jDTy-liFoCQ短篇分析：https://www.louisbouchard.ai/ banmo/用潛在擴散模型進行高分辨率像合成今年大火的像生成模型 DALL?E、Imagen 以及強勢出圈的 Stable Diffusion，這些強大的圖像生模型有什么共同點除了高計算成本、量訓練時間之外，們都基于相同的擴機制。擴散模型最在大多數(shù)圖像任務取得了 SOTA 結果，包括使用 DALL?E 的文本到圖像，還有許多他與圖像生成相關任務，如圖像修復風格轉換或圖像超辨率。論文鏈接：https://arxiv.org/ abs / 2112.10752項目地址：https://github.com/ CompVis / latent-diffusion視頻講解：https://youtu.be/ RGBNdD3Wn-g短篇分析：https://www.louisbouchard.ai/ latent-diffusion-models/PSG：基于場景的圖像生成模型AI 可以幫你準確識別圖像的物體，但是理解體與環(huán)境之間的關則沒有那么輕松。此，來自南洋理工研究人員提出了一基于全景分割的全景圖生成（panoptic scene graph generation，即 PSG）任務。相比于傳統(tǒng)基于測框的場景圖生成PSG 任務要求全面地輸出圖像中的有關系（包括物體物體間關系，物體背景間關系，背景背景間關系），并準確的分割塊來定物體。論文鏈接：https://arxiv.org/ abs / 2207.11247項目地址：https://psgdataset.org/在線應用：https://huggingface.co/ spaces / ECCV2022 / PSG視頻講解：https://youtu.be/ cSsE_H_0Cr8短篇分析：https://www.louisbouchard.ai/ psg/利用文本反轉實現(xiàn)文本圖像的個性化生成年各大廠的圖像生模型可謂是八仙過各顯神通，但是如讓模型生成特定風的圖像作品呢？來特拉維夫大學的學和英偉達合作推出一款個性化圖像生模型，可以 DIY 你想要得到的圖像。論文鏈接：https://arxiv.org/ abs / 2208.01618項目地址：https://textual-inversion.github.io/視頻講解：https://youtu.be/ f3oXa7_SYek短篇分析：https://www.louisbouchard.ai/ imageworthoneword/用于通用視頻識別的語圖像預訓練模型視文本模型的學習毫疑問已經(jīng)取得了巨成功，然而如何將種新的語言圖像預練方法擴展到視頻域仍然是一個懸而決的問題。來自微和中科院的學者提了一種簡單而有效方法使預訓練的語圖像模型直接適應頻識別，而不是從開始預訓練新模型論文鏈接：https://arxiv.org/ abs / 2208.02816項目地址：https://github.com/ microsoft / VideoX / tree / master / X-CLIP視頻講解：https://youtu.be/ seb4lmVPEe8短篇分析：https://www.louisbouchard.ai/ general-video-recognition/Make-A-Video：一鍵文本生成視頻型畫家在畫布上盡作畫，如此清晰流的畫面，你能想到頻的每一幀都是 AI 生成的嗎？MetaAI 推出的 Make-A-Video，只需簡單輸入幾個文字，便可幾秒內(nèi)生成不同風的視頻，說成「視版 DALL?E」也不為過。論文鏈：https://arxiv.org/ abs / 2209.14792視頻講解：https://youtu.be/ MWwESVyHWto短篇分析：https://www.louisbouchard.ai/ make-a-video/Whisper：大規(guī)模弱監(jiān)督語音別模型你有沒有想有一個翻譯軟件可快速翻譯視頻中的音，甚至是那些你己都聽不懂的語言OpenAI 開源的 Whisper 恰好就能做到這一點。Whisper 在超過 68 萬小時的多語種數(shù)據(jù)訓練，能識別嘈雜景下的多語種聲音轉化為文字，此外可勝任專業(yè)術語的譯。論文鏈接：https://arxiv.org/ abs / 2212.04356項目地址：https://github.com/ openai / whisper視頻講解：https://youtu.be/ uFOkMme19Zs短篇解析：https://www.louisbouchard.ai/ whisper/DreamFusion：用 2D 圖像生成 3D 模型文本能生成圖像、視頻還有 3D 模型～谷歌推出的 DreamFusion 通過使用預訓練的 2D 文本到圖像擴散模型可一鍵生成 3D 模型，在數(shù)十億圖像文本對上般的擴散模型推動了本到 3D 模型合成的最新突破。論鏈接：https://arxiv.org/ abs / 2209.14988視頻講解：https://youtu.be/ epuU0VRIcjE短篇解析：https://www.louisbouchard.ai/ dreamfusion/Imagic：基于擴散模型的真圖像編輯方法使用 DALL?E 等文本圖像生成模型，需輸入一行文字便得到想要的圖片， AI 生成的圖像有時候并不那么完。來自谷歌、以色理工學院、魏茨曼學研究所的研究者紹了一種基于擴散型的真實圖像編輯法 ——Imagic，只用文字就能實現(xiàn)真實照片的 PS。例如，我們可以變一個人的姿勢和圖同時保留其原始征，或者我想讓一站立的狗坐下，讓只鳥展開翅膀。論鏈接：https://arxiv.org/ abs / 2210.09276項目地址：https://imagic-editing.github.io/視頻講解：https://youtu.be/ gbpPQ5kVJhM短篇分析：https://www.louisbouchard.ai/ imagic/eDiffi：更高品質的文本圖像合成型比 DALL?E 和 Stable Diffusion 更強的圖像合成模型來了！這咸山是偉達的 eDiffi，它可以更準確地生成更高品質夸父圖，此外加入畫筆模，可以為你的作品加更多創(chuàng)造性和靈性。論文鏈接：https://arxiv.org/ abs / 2211.01324項目地址：https://deepimagination.cc/ eDiff-I/視頻講解：https://youtu.be/ grwp-ht_ixo短篇分析：https://www.louisbouchard.ai/ ediffi/Infinite Nature：從單幅圖像中學習自然場景的限視圖生成你有沒想過，隨手拍一張片然后就像打開一門一樣飛進圖片里？來自谷歌和康奈大學的學者將這一象變?yōu)榱爽F(xiàn)實，這是 InfiniteNature-Zero，他可從單幅圖像中生成無限制自然場景視圖。論鏈接：https://arxiv.org/ abs / 2207.11148項目地址：https://infinite-nature.github.io/視頻講解：https://youtu.be/ FQzGhukV-l0短篇分析：https://www.louisbouchard.ai/ infinitenature-zeroGalactica：用于科學的大語言模型Meta 開發(fā)的 Galactica 是一種大型語言模型，其小與 GPT-3 相當，但它擅長的域是科學知識。該型可編寫政府白皮、新聞評論、維基科頁面和代碼，它知道如何引用以及何編寫方程式。這人工智能和科學來是一件大事。論文接：https://arxiv.org/ abs / 2211.09085視頻講解：https://youtu.be/ 2GfxkCWWzLU短篇分析：https://www.louisbouchard.ai/ galactica/RAD-NeRF：基于音頻空間分解的時人像合成模型自 DeepFake 和 NeRF 的出現(xiàn)，AI 換臉似乎已經(jīng)是司空見慣，但有個問題，AI 換的臉有時會因為對不上嘴型而露餡RAD-NeRF 的出現(xiàn)可以解決這問題，它可以對視中所出現(xiàn)的說話者行實時的人像合成此外還支持自定義像。論文鏈接：https://arxiv.org/ abs / 2211.12368項目地址：https://me.kiui.moe/ radnerf/ChatGPT：為對話優(yōu)化的語言模型2022 年度 AI 的重磅作品怎么能少了 ChatGPT，這個已經(jīng)火遍全網(wǎng)并已被網(wǎng)友開發(fā)出寫小文、敲代碼等各種用的萬能模型，如你還不了解它，那快來看看！視頻講：https://youtu.be/ AsFgn8vU-tQ短篇分析：https://www.louisbouchard.ai/ chatgpt/可直接用于生產(chǎn)使用的視頻人臉 re-aging雖然當下計算機視覺模型以對人臉的年齡進生成、風格遷移等但這也只是看起來酷，在實際應用中幾乎零作用，現(xiàn)有技術通常存在著面特征丟失、分辨率和在后續(xù)視頻幀中果不穩(wěn)定的問題，往需要人工二次編。最近迪士尼發(fā)布第一個可實用的、全自動化的、可用生產(chǎn)使用的視頻圖中 re-age 人臉的方法 FRAN（Face Re-Aging Network），正式宣告電影中靠化妝改變演員年齡視覺果的技術落幕。論鏈接：https://dl.acm.org/ doi / pdf / 10.1145/3550454.3555520項目地址：https://studios.disneyresearch.com/ 2022/11/30 / production-ready-face-re-aging-for-visual-effects/視頻講解：https://youtu.be/ WC03N0NFfwk短篇分析：https://www.louisbouchard.ai/ disney-re-age/參考資料：https://www.louisbouchard.ai/2022-ai-recap/本文來自微信公眾號：新智 （ID：AI_era）