💬 Text2Human - Official PyTorch Implementation

We synthesize full-body human images starting from a given human pose

Github: https://github.com/yumingj/Text2Human

Project: https://yumingj.github.io/projects/Text2Human.html

StyleGAN: https://github.com/stylegan-human/stylegan-human

Paper: https://arxiv.org/abs/2205.15996v1

Dataset: https://github.com/yumingj/DeepFashion-MultiModal

Demo video: https://youtu.be/yKh4VORA_E0

@machinelearning_ru

🔥 210 проектов машинного обучения (с исходным кодом), которые вы можете создать уже сегодня

Список проектов

@machinelearning_ru

​Pulse – инструмент, который превращает пиксилезированные фотографии лица в картинки с высоким качеством

Получив входное изображение с низким разрешением, PULSE ищет в выходных данных генеративной модели (StyleGAN) изображения с высоким разрешением, которые перцептивно схожи с входной картинкой

@machinelearning_ru | #Python #AI #Interesting

Tensorspace – Фреймворк для 3D-визуализации нейронных сетей, создания интерактивной и интуитивно понятной модели в браузерах и поддержки предварительно обученных моделей глубокого обучения от TensorFlow, Keras, TensorFlow.js

#GitHub | #JavaScript #3D #Visualization

@machinelearning_ru

@data_analysis_ml - Блог Дата Аналитика. Пора стать профессионалом по работе с данными.

✅ GPT-4chan более 3 лет обучался на постах с «политически некорректных» блогов 4chan.

GPT-4chan обучен на обсуждениях политических тем. Его предполагаемое использование состоит в том, чтобы воспроизводить текст в соответствии с распределением его входных данных. GPT-4chan может быть полезным инструментом для исследования дискурса в анонимных онлайн-сообществах.

Website : https://gpt-4chan.com

Модель: https://huggingface.co/ykilcher/gpt-4chan

Code: https://github.com/yk/gpt-4chan-public

Video: https://youtu.be/efPrtcLdcdM

Dataset: https://zenodo.org/record/3606810#.YpjGgexByDU

@machinelearning_ru

📯 Генерирование синтетических обучающих данных с поддержкой масштабирования для задач NLP с помощью T0PP

https://nuancesprog.ru/p/15795/

@machinelearning_ru

@avitotech продолжает искать таланты среди студентов технических специальностей для бесплатного обучения в Академии Аналитиков Авито — 2022!

Тут вы прокачаетесь с нуля до уверенного junior-аналитика или DS-инженера!

Вас ждут:
▪️ 13 месяцев апгрейда знаний и навыков;
▪️ 11 курсов — от прикладной статистики до алгоритмов и Analytics Deep Dive;
▪️ команда наставников: кураторы, преподаватели-эксперты и менторы из числа опытных аналитиков Авито.

➕ Все шансы присоединиться к команде Авито после выпуска или получить преимущество при устройстве в IT-компании, e-commerce, консалтинг и IT-агентства.

Заполняйте анкету участника до 13 июня включительно 👉🏻 clc.to/nb78ZA

🔥 Nvidia выпустили модель для генерации динамических видео


Github: https://github.com/NVlabs/eg3d

Project: https://nvlabs.github.io/eg3d/

Video: https://www.youtube.com/watch?v=cXxEwI7QbKg&feature=emb_logo&ab_channel=StanfordComputationalImagingLab

Paper: https://nvlabs.github.io/eg3d/media/eg3d.pdf

@machinelearning_ru

​Пространственные трансформационные сети с использованием TensorFlow

Spatial Transformer Network (STN) — один из примеров дифференцируемых LEGO-модулей, на основе которых можно строить и улучшать свою нейросеть. О том, как это использовать для ваших целей можно узнать здесь:

https://pyimagesearch.com/2022/05/23/spatial-transformer-networks-using-tensorflow/

#ml

@machinelearning_ru

Красивая статья. Просто и изящно.

Чтобы эмбеддинги абстрактов (но думаю и для суммаризации тоже ок) научных статей в BERT-е получались более аккуратными, достаточно сделать триплет лосс на граф цитирования. Статьи цитирующие друг друга - положительная пара, иначе негативная. И можно вес вешать (похоже на UMAP, имхо).

Github: https://github.com/allenai/specter
Paper: https://arxiv.org/abs/2004.07180
Model: https://huggingface.co/allenai/specter

https://t.me/itchannels_telegram - полезные ресурсы для датасаентистов, мл-специалистов.

🦜 Google’s Imagen AI возмутительно хорошо!

Архитектура проще DALL-E 2 и может генерировать изображения из более длинных описаний, плюс правильно отображает текст, который её попросили поместить на изображение.

https://www.youtube.com/watch?v=HyOW6fmkgrc&ab_channel=TwoMinutePapers

Imagen: https://imagen.research.google/

Статья: https://arxiv.org/abs/2205.11487

@machinelearning_ru

​DALLE-Mini – модель искусственного интеллекта, которая генерирует изображения по любому вашему запросу

⤷ Демо в режиме реального времени

| #Python #AI #Interesting

@machinelearning_ru

🎓 Когда не следует использовать нейронные сети

Как-то один друг, изучавший искусственный интеллект, попросил у меня совета по выбору модели. В то время он углубился в тему нейронных сетей (neural networks, NN) и их многочисленных вариантов. Он полагал, что нейронные сети способны решить любую задачу и это идеальное решение на все случаи жизни. Зачем в таком случае утруждать себя изучением других методов?

Его можно понять. В то время, когда началось мое “путешествие” по миру машинного обучения, у меня также закрадывались подозрения по поводу бесполезности “более слабых моделей”. Поскольку этот вопрос возникает довольно часто в науке данных, стоит пролить свет на роль, которую играют более простые модели в общей концепции ИИ.

Особенно это полезно знать начинающим исследователям данных, ведь выбор модели, подходящей для решения определенной задачи,  —  один из важнейших навыков в этой профессии. Более того, неверный выбор модели может остановить работу всего предприятия. Наконец, понимание того, когда использовать каждую модель, поможет определить, какие модели следует обучать в дальнейшем.

Итак, начнем с фундаментальных понятий.

Читать дальше

@machinelearning_ru

📐 10 алгоритмов для работы с графами

Зачем вообще изучать графовые алгоритмы?
Графовые алгоритмы представляют собой последовательность шагов для обхода графа через вершины (узлы). Некоторые алгоритмы используются для поиска определенного узла или пути между двумя заданными узлами.

Данные алгоритмы применяют на сайтах социальных сетей, в моделировании конечного автомата, а также во многих других сферах. Я приложил свой исходный код для всех алгоритмов, про которые мы будем говорить ниже:

Читать дальше

@machinelearning_ru