⏩ PODA: Prompt-driven Zero-shot Domain Adaptation

DR: PODA — это простой метод аугментация признаков, управляемый одним текстовым описанием.

🖥 Github: https://github.com/astra-vision/poda

⏩ Paprer: https://arxiv.org/abs/2212.03241v1

❤️ Pretrainde model: https://drive.google.com/drive/folders/15-NhVItiVbplg_If3HJibokJssu1NoxL?usp=share_link

⭐️ Dataset: https://paperswithcode.com/dataset/cityscapes

@ai_machinelearning_big_data

✅ Learning Video Representations from Large Language Models

Новая Модель отт мета, которая автоматичеси генерирует текстовое описание для видео.

🖥 Github: https://github.com/facebookresearch/lavila

💡 Demo: https://huggingface.co/spaces/nateraw/lavila

⏩ Paprer: http://arxiv.org/abs/2212.04501

❤️ Colab: https://colab.research.google.com/drive/1gHWiEWywIotRivYQTR-8NQ6GJC7sJUe4

⭐️ Dataset: https://paperswithcode.com/dataset/hmdb51

@ai_machinelearning_big_data

🚀 evosax: JAX-based Evolution Strategies

QDax — это инструмент для ускорения алгоритмов Quality-Diversity (QD) и нейроэволюции.

🖥 Github: https://github.com/adaptive-intelligent-robotics/qdax

🎷 Evosax: https://github.com/RobertTLange/evosax

⏩ Paprer: https://arxiv.org/abs/2212.04180v1

🚀 Docs: https://qdax.readthedocs.io/en/latest/

❤️ Colab: https://colab.research.google.com/github/adaptive-intelligent-robotics/QDax/blob/main/examples/mapelites.ipynb

⭐️ Dataset: https://paperswithcode.com/dataset/brax

@ai_machinelearning_big_data

✅ pypop7 (Pure-PYthon library of POPulation-based black-box OPtimization)

Интерфейс для более чем 60 вариантов различных алгоритмов оптимизации.

$ pip install pypop7

🖥 Github: https://github.com/evolutionary-intelligence/pypop

⏩ Paprer: https://arxiv.org/abs/2212.05652v1

⭐️ Derivative-Free Optimization (DFO): https://link.springer.com/article/10.1007/s10208-021-09513-z

@ai_machinelearning_big_data

👁 Detection Transformers with Assignment

Deformable-DETR превосходит все существующие традиционные детекторы на основе трансформеров.

🖥 Github: https://github.com/jozhang97/deta

📎 Installation: https://github.com/fundamentalvision/Deformable-DETR

⏩ Paprer: https://arxiv.org/abs/2212.06137v1

⭐️ Dataset: https://paperswithcode.com/dataset/lvis

@ai_machinelearning_big_data

✔️ ECON: Explicit Clothed humans Obtained from Normals

ECON разработан для «оцифровки человека из изображения». ECON помогает высокоточно выдедить одетых людей на изображении , в люблй одежде и в сложных позах. ECON также поддерживает реконструкцию нескольких человек и анимацию на основе SMPL-X.

🖥 Github: https://github.com/YuliangXiu/ECON

⏩ Paprer: https://arxiv.org/abs/2212.07422

📎 Demo: https://github.com/YuliangXiu/ECON#demo

✔️ Instructions: https://github.com/YuliangXiu/ECON#instructions

@ai_machinelearning_big_data

🖥 StackExplain

Cкрипт на основе ChatGPT, который выведет и обьяснит ошибку в вашем коде.

$ pip3 install stackexplain

🖥 Github
✔️ Впечатляющие достижения ChatGPT
😂ChatGPT решает задачи

@ai_machinelearning_big_data

⭐ Analog-Diffusion

На hugging face был выложен AnalogDiffusion, который тренировался на аналоговых фотографиях. В результате получаются очень фотореалистичные изображения людей.

🤗 Hugging face
✔️ Dreambooth model

@ai_machinelearning_big_data

✅ DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients

DeepLSD — это универсальный линейный детектор, который распознает объекты с точностью ручного распознавания. Он подходит для любых задач, требующих высокой точности при сегментации и распознавании объектов.

git clone --recurse-submodules git@github.com:cvg/DeepLSD.git
cd DeepLSD

🖥 Github: https://github.com/cvg/deeplsd

⏩ Paprer: https://arxiv.org/abs/2212.07766v1

✔️ Dataset: https://paperswithcode.com/dataset/hpatches

@ai_machinelearning_big_data

🎓 stopes:

Библиотека и датасет от Meta для подготовки данных и работы с машинным переводом.

cd ..
git clone https://github.com/facebookresearch/stopes.git
cd stopes
pip install -e '.[dev,mono,mining]'

🖥 Github: https://github.com/cvg/deeplsd

⏩ Paprer: https://arxiv.org/abs/2212.08486v1

📎 Blog: https://ai.facebook.com/blog/nllb-200-high-quality-machine-translation/

🗒 Documentation: https://facebookresearch.github.io/stopes

✔️ Dataset: https://paperswithcode.com/dataset/must-c

@ai_machinelearning_big_data