⭐️ Generalized Decoding for Pixel, Image, and Language

X-Decoder - первая модель, которая поддерживает все типы сегментации изображений, способной эффективно решать различные задачи CV и VL.

🖥 Github: https://github.com/microsoft/X-Decoder

🤗 Hugging Face Demo: https://huggingface.co/spaces/xdecoder/Demo

⭐️ Project: https://x-decoder-vl.github.io/

⏩ Paprer: https://arxiv.org/pdf/2212.11270.pdf

✔️ Dataset: https://paperswithcode.com/dataset/visual-genome

@ai_machinelearning_big_data

🌐 3D Highlighter: Localizing Regions on 3D Shapes via Text Descriptions

3D Highlighter способен определять семантические области на 3D объектах, используя текст в качестве входных данных.

🖥 Github: https://github.com/threedle/3DHighlighter

⭐️ Project: https://threedle.github.io/3DHighlighter/

⏩ Paprer: https://arxiv.org/abs/2212.11263

@ai_machinelearning_big_data

🖥 PICARD: Parsing Incrementally for Constrained Auto-Regressive Decoding from Language Models

Интересная модель, которая переводит запросы на естественном языке в запрос SQL.

$ git clone git@github.com:ElementAI/picard.git
$ cd picard
$ git submodule update --init --recursive

🖥 Github: https://github.com/ServiceNow/picard

⏩ Paprer: https://arxiv.org/abs/2109.05093v1

✔️ Dataset: https://paperswithcode.com/dataset/spider-1

@ai_machinelearning_big_data

🎧 Riffusion App

Riffusion — это интересный проект для создания музыки в реальном времени, основанный на stable diffusion.

🖥 Github: https://github.com/riffusion/riffusion-app

🖥 Colab: https://colab.research.google.com/drive/1FhH3HlN8Ps_Pr9OR6Qcfbfz7utDvICl0

⏩ Model: https://huggingface.co/riffusion/riffusion-model-v1

🖥 Demo: https://huggingface.co/spaces/fffiloni/spectrogram-to-music

@ai_machinelearning_big_data

🖥 Introduction To Functional Analysis

Шикарный бесплатный курс от MIT по Функциональному анализу. 23 лекции и конспекты.

📃 Курс
📊 Материалы
🖥 Видео

@ai_machinelearning_big_data

❄️ ClimateNeRF: Extreme Climate NeRF

Climate NeRF — позволяет визуализировать последствия изменения климата. ClimateNeRF может генерировать реалистичные погодные эффекты, включая смог, снег и наводнение. Результаты можно контролировать с помощью физически значимых переменных, таких как уровень воды и количества осадков.

✅ Project: https://climatenerf.github.io

📃 Paprer: arxiv.org/pdf/2211.13226.pdf

📊 FastPhotoStyle: https://github.com/NVIDIA/FastPhotoStyle

@ai_machinelearning_big_data

✅️ JRBD: Egocentric Perception of Humans

Стэнфорд JRDB-Pose: набор размеченных данных с более чем 600 000 позами тел.

⭐️ Dataset: https://jrdb.erc.monash.edu/

🖥 Github: https://github.com/JRDB-dataset/jrdb_toolkit/

⏩ JRDB-Pose: https://jrdb.erc.monash.edu/dataset/pose#toolkit

✅ Paper: arxiv.org/pdf/1910.11792.pdf

@ai_machinelearning_big_data

⭐️ Orion

Проект с открытым исходным кодом от Data до AI Lab от MIT.
Orion — это библиотека машинного обучения, созданная для обнаружения аномалий во временных рядах.

pip install orion-ml

🖥 Github: https://github.com/sintel-dev/orion

⭐️ Notebooks: https://drive.google.com/drive/folders/1FAcCEiE1JDsqaMjGcmiw5a5XuGh13c9Q?usp=sharing

✅ Paper: https://arxiv.org/abs/2212.13558v1

⏩ Docs: https://sintel.dev/Orion/

⏩ Datalab: https://dai.lids.mit.edu/

@ai_machinelearning_big_data

🚛 The Forward-Forward Algorithm: Some Preliminary Investigations

Цель этой статьи — представить новую процедуру обучения для нейронных сетей и продемонстрировать, что она работает хорошо на нескольких небольших задачах и заслуживает внимания для дальнейшего изучения. Алгоритм Forward-Forward заменяет метод прямого распространения и метод обратного распространения двумя прямыми проходами, один с положительными (то есть реальными) данными, а другой с отрицательными данными, которые сгенерированы самой сетью. Forward-Forward не требует вычисления функции потерь по отношению к параметрам сети. Вместо этого каждый шаг оптимизации может выполняться локально, а веса каждого слоя могут обновляться сразу же после того, как слой отработал.

git clone https://github.com/nebuly-ai/nebullvm.git
cd nebullvm/apps/accelerate/forward_forward

🖥 Github: https://github.com/nebuly-ai/nebullvm/tree/main/apps/accelerate/forward_forward

⭐️ Paper: https://arxiv.org/abs/2212.13345v1

⏩ Dataset: https://paperswithcode.com/dataset/cifar-10

@ai_machinelearning_big_data

🚀 ConvNeXt V2

Meta выпустила ConvNeXt V2 на PyTorch для 8 видов моделей (Atto, Femto, Pico, Nano, Tiny, Base, Large, Huge), код обученной модели, настройки и веса (преобразованные из весов JAX, обученных на TPU) для ConvNeXt V2. х. ConvNets работал лучше, чем Трансформеры для задач компьютерного зрения, а ConvNeXt V2, значительно превосходит производительность сетей ConvNet на тестах.

🖥 Github: https://github.com/facebookresearch/convnext-v2

⭐️ Paper: https://arxiv.org/abs/2301.00808v1

⏩ Dataset: https://paperswithcode.com/dataset/coco

@ai_machinelearning_big_data

🔥 Yolo8 is coming!

На github вылложили веса.
Обновилась документация.

🖥 Github
✔️ Docs
🖥 Colab

@ai_machinelearning_big_data