🤖 Ключевая Международная конференция по искусственному интеллекту и машинному обучению AI Journey снова в эфире 23-24 ноября! Подключайтесь к трансляции онлайн и узнавайте о мире, в котором искусственный интеллект станет частью нашей повседневной жизни.
На конференции будут представлены пять тематических треков: AIJ Science, AIJ Junior, AI4ESG, Science & Industries, Science & Business. Основные их темы:
• Мультимодальные, мультиязыковые, генеративные модели, трансформеры и новые архитектуры
• Исследования российских и международных технологических центров
• Применение AI в области ESG и устойчивого развития
• Лучшие практики и кейсы использования AI в бизнесе
• Внедрение разработок AI/ML в разных отраслях
• Этические аспекты применения AI
• Воркшопы, демо, мастер-классы и интерактивы для молодежи
Смотрите выступления топовых российских и международных экспертов по искусственному интеллекту.
👉Следить за конференцией можно бесплатно на сайте. Регистрация не требуется.
💨 InfiniteNature-Zero
InfiniteNature-Zero Генеративный ИИ с открытым исходным кодом для создания невероятных природных сцен из отдельных изображений.conda env create -f enviornment_infinite_nature_zero.yml
🖥 Github: https://github.com/google-research/google-research/tree/master/infinite_nature_zero
➡️ Paper: https://arxiv.org/abs/2207.11148
🖥 Project: https://infinite-nature-zero.github.io/
📌 Video: https://infinite-nature-zero.github.io/#overview_video
@ai_machinelearning_big_data
✅ MOTRv2: Bootstrapping End-to-End Multi-Object Tracking by Pretrained Object Detectors
MOTRv2, простой, но эффективный конвейер для запуска отслеживания нескольких объектов.
🖥 Github: https://github.com/megvii-research/MOTRv2
➡️ Paper: https://arxiv.org/abs/2211.09791v1
🖥 Dataset: https://paperswithcode.com/dataset/mot17
@ai_machinelearning_big_data
🚀 DiffusionDet: Diffusion Model for Object Detection
DiffusionDet — первая диффузионная модель для обнаружения объектов.
🖥 Github: https://github.com/shoufachen/diffusiondet
➡️ Paper: https://arxiv.org/abs/2211.09788v1
🗒 Getting Started: https://github.com/ShoufaChen/DiffusionDet/blob/main/GETTING_STARTED.md
🖥 Dataset: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data
🖥 ActionFormer: Localizing Moments of Actions with Transformers
🖥 Github: https://github.com/happyharrycn/actionformer_release
➡️ Features and Annotations: https://drive.google.com/file/d/1JKh3w14ngAjgzuuP22BnjhkhIcBSqteJ/view?usp=sharing
🗒 Pre-trained Model: https://arxiv.org/abs/2211.09074v1
🖥 Dataset: https://paperswithcode.com/dataset/kinetics
@ai_machinelearning_big_data
🤗 Versatile Diffusion: Text, Images and Variations All in One Diffusion Model
VD поддерживает преобразование изображения в текст, изменение изображения, преобразование текста в изображение и генерацию текста Будущие версии будут поддерживать речь, музыку, видео и 3D. Универсальная диффузия: текст, изображения и вариации — все в одной модели.
🖥 Github: https://github.com/shi-labs/versatile-diffusion
🗒 Paper: https://arxiv.org/abs/2211.08332v1
💨 Demo: https://huggingface.co/spaces/shi-labs/Versatile-Diffusion
🖥 Dataset: https://github.com/rom1504/img2dataset
@ai_machinelearning_big_data
🌐 SSL4EO-S12: A Large-Scale Multi-Modal, Multi-Temporal Dataset for Self-Supervised Learning in Earth Observation
Датасет наблюдение за Землей и преобученнная модель из 251 079 мест по всему миру.
🖥 Github: https://github.com/zhu-xlab/ssl4eo-s12
📝 Paper: https://arxiv.org/abs/2211.07044v1
🖥 Dataset: https://mediatum.ub.tum.de/1660427
@ai_machinelearning_big_data
🖼 Peacasso
Peacasso — это инструмент UI, помогающий создавать изображения из текста с помощью моделей ИИ.pip install peacasso
🖥 Github: https://github.com/victordibia/peacasso
🖥 Colab: https://arxiv.org/abs/2211.04894v1
@ai_machinelearning_big_data
⭐️ Robust Point Cloud Registration Framework Based on Deep Graph Matching(TPAMI Version)git clone https://github.com/fukexue/RGM.git
conda create -n RGM
conda activate RGM
pip install -r requirements.txt
🖥 Github: https://github.com/fukexue/RGM
🗒 Paper: https://arxiv.org/abs/2211.04696v1
➡️ Dataset: https://paperswithcode.com/dataset/modelnet
@ai_machinelearning_big_data
🔩 Unifying Flow, Stereo and Depth Estimation
Model for three motion and 3D perception tasksconda env create -f conda_environment.yml
conda activate unimatch
🖥 Github: https://github.com/autonomousvision/unimatch
✏️ Project: https://haofeixu.github.io/unimatch/
🔑 Colab: https://colab.research.google.com/drive/1r5m-xVy3Kw60U-m5VB-aQ98oqqg_6cab?usp=sharing
🗒 Paper: https://arxiv.org/abs/2211.05783v1
➡️ Dataset: https://paperswithcode.com/dataset/scannet
@ai_machinelearning_big_data
😂 SC-DepthV3: Robust Self-supervised Monocular Depth Estimation for Dynamic Scenesconda create -n sc_depth_env python=3.8
conda activate sc_depth_env
conda install pytorch==1.12.0 torchvision==0.13.0 cudatoolkit=11.3 -c pytorch
pip install -r requirements.txt
🖥 Github: https://github.com/JiawangBian/sc_depth_pl
🗒 Paper: https://arxiv.org/abs/2211.03660v1
🌠 Pretrained models: https://1drv.ms/u/s!AiV6XqkxJHE2mULfSmi4yy-_JHSm?e=s97YRM
➡️ Dataset: https://1drv.ms/u/s!AiV6XqkxJHE2mUFwH6FrHGCuh_y6?e=RxOheF
➡️ Video: https://www.youtube.com/watch?v=OkfK3wmMnpo&ab_channel=JiawangBian
@ai_machinelearning_big_data
⭐️ New Midjourney’s algorithm V4 is out now for testing!
This is a game-changer!
Midjourney выпустила новый релиз - 4 версию. Её анонсировали как совершенно новую нейросеть, обученную на большем массиве данных и с новым алгоритмом обработки.
"V4 — это совершенно новая кодовая база и совершенно новая архитектура искусственного интеллекта. Это наша первая модель, обученная на новом сверхкластере искусственного интеллекта Midjourney, и она находится в разработке уже более 9 месяцев.
✔️ Midjourney
➡️ Video
💻 DFT
📝 Read
@ai_machinelearning_big_data
⭐️ DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models
🖥 Github: https://github.com/luchengthu/dpm-solver
🗒 Paper: https://arxiv.org/abs/2211.01095v1
➡️ Stable-Diffusion: https://github.com/LuChengTHU/dpm-solver/tree/main/example_v2/stable-diffusion
@ai_machinelearning_big_data
💨 Text-Only Training for Image Captioning using Noise-Injected CLIPgit clone https://github.com/DavidHuji/CapDec && cd CapDec
conda env create -f others/environment.yml
conda activate CapDec
🖥 Github: https://github.com/davidhuji/capdec
🗒 Paper: https://arxiv.org/abs/2211.00575v1
➡️ Dataset: https://paperswithcode.com/dataset/flickrstyle10k
@ai_machinelearning_big_data
⭐️ Fast and parallel decoding for transducer
icefall contains ASR recipes for various datasets using https://github.com/k2-fsa/k2.pip install git+https://github.com/lhotse-speech/lhotse
🖥 Github: https://github.com/k2-fsa/icefall
🔩 Colab: https://colab.research.google.com/drive/1tIjjzaJc3IvGyKiMCDWO-TSnBgkcuN3B?usp=sharing
🗒 Paper: https://arxiv.org/abs/2211.00484v1
➡️ Dataset: https://paperswithcode.com/dataset/librispeech
@ai_machinelearning_big_data
⭐️ Graph Network Simulator (GNS)
Cимулятор графовой сети (GNS) на основе PyTorch, который на осннове физики и прогнозирует поведение потока дисперсных и жидких систем.
🖥 Github: https://github.com/geoelements/gns
⏩ Paper: https://arxiv.org/abs/2211.10228v1
🖥 Dataset: https://doi.org/10.17603/ds2-0phb-dg64
@ai_machinelearning_big_data
☄️ Bayesian Light Source Separator (BLISS)
Байесовский подход для определения параметров источника света с добавлением астрономических изображений.git clone https://github.com/prob-ml/bliss.git
🖥 Github: https://github.com/prob-ml/bliss
➡️ Paper: https://arxiv.org/abs/2211.09300v1
🖥 Poetry: https://python-poetry.org/docs/
@ai_machinelearning_big_data
🎧 Подкаст на выходные
В новом выпуске подкаста «Техток» ведущий Виктор Кантор (директор центра Big Data МТС) собрал IT-специалистов из различных сфер, чтобы честно обсудить — как дорасти до CDO, запустить стартап на основе ML и не свихнуться.
Среди участников — сооснователь data-стартапа Rubbles Александр Фонарев, CTO Ozon Антон Степаненко, R&D Project Manager в Skyeng Владислав Корнышев и многие другие.
🖥 Все платформы для прослушивания: https://podcast.ru/1635293813
@ai_machinelearning_big_data
✅ InvokeAI: A Stable Diffusion Toolkit
InvokeAI — набор надежных инструментов для создания и редактирования изображений с помощью нейросети.
🖥 Github: https://github.com/invoke-ai/InvokeAI
⭐️ Как запустить: https://telegra.ph/Kak-zapustit-II-generator-Stable-Diffusion-11-18
📃 Docs: https://invoke-ai.github.io/InvokeAI/
@ai_machinelearning_big_data
🔥 eDiff-I: Text-to-Image Diffusion Models with Ensemble of Expert Denoisers
Новый генеративный ИИ отт NVIDIA для слияния текста и изображения и передачей стилей. Технология в прямом смыле позволяет рисовать текстом.
⭐️ Project
➡️ Paper
🖥️ Video
@ai_machinelearning_big_data
Easy Start
On Analyzing the Role of Image for Visual-enhanced Relation Extractiongit clone https://github.com/zjunlp/DeepKE.git
cd DeepKE/example/re/multimodal
🖥 Github: https://github.com/zjunlp/DeepKE/tree/main/example/re/multimodal
🗒 Paper: https://arxiv.org/abs/2211.07504v1
➡️ Dataset: https://github.com/thecharm/Mega
💨 Pretrained model: https://huggingface.co/openai/clip-vit-base-patch32
@ai_machinelearning_big_data
✅ Paella
Минималистичная модель генерации изображений из текста, модель позволяет лееегко выполнять различные манипуляции с изображениями.
🖥 Github: https://github.com/dome272/paella
🖥 Colab: https://colab.research.google.com/drive/1HH5Fey_mTiz29l9dGmHGqZqdzwLpLrxj?usp=sharing
Paper: https://arxiv.org/abs/2211.07292v1
@ai_machinelearning_big_data
🎞 DOVER: the Disentangled Objective Video Quality Evaluator
git clone https://github.com/teowu/DOVER.git
cd DOVER
pip install .
🖥 Github: https://github.com/teowu/dover
🗒 Paper: https://arxiv.org/abs/2211.04894v1
➡️ Dataset: https://paperswithcode.com/dataset/youtube-ugc
@ai_machinelearning_big_data
Друзья, появилась минутка — хотел снова поделиться с вами информацией о проходящем онлайн-соревновании по искусственному интеллекту AI Journey Contest.
Проводит его Сбер совместно с Институтом искусственного интеллекта AIRI. И оно стоит того, чтобы попробовать свои силы. Получите уникальный опыт, а главная мотивация - это солидное вознаграждение в случае решения одной из четырех задач — общий призовой фонд составляет более 5 млн рублей.
Немного подробнее о задачах:
— AI4Biology — создание алгоритма быстрой идентификации бактерий по масс-спектрам.
— AI4Sea — разработка алгоритма для восстановления данных по вылову рыбы гна Дальнем Востоке.
Соревнование уже идет и осталось мало времени, чтобы прислать решения - до 13 ноября. Но конкретно эти две задачи можно запросто решить за выходные. Главное — иметь сильное желание вырвать победу устоявшихся фаворитов 😈 Поучаствовать можно всем желающим возрастом от 18 лет тут.
⭐️ TAP-Vid: A Benchmark for Tracking Any Point in a Video
🖥 Github: https://github.com/deepmind/tapnet
▶️ Examples: https://github.com/google-research/kubric/tree/main/challenges/point_tracking
🗒 Paper: https://arxiv.org/abs/2211.03726v1
➡️ Dataset: https://paperswithcode.com/dataset/tap-vid
@ai_machinelearning_big_data
➡️ AlphaPose: Whole-Body Regional Multi-Person Pose Estimation and Tracking in Real-Time
🖥 Github: https://github.com/MVIG-SJTU/AlphaPose
📝 Colab: https://colab.research.google.com/drive/1c7xb_7U61HmeJp55xjXs24hf1GUtHmPs?usp=sharing
🗒 Paper: https://arxiv.org/abs/2211.03375v1
➡️ Dataset: https://paperswithcode.com/dataset/hico-det
@ai_machinelearning_big_data
🖥 The Neural Testbed
The neural_testbed provides tools for the systematic evaluation of agents that generate such predictions.git clone https://github.com/deepmind/neural_testbed.git
cd neural_testbed
pip install .
🖥 Github: https://github.com/deepmind/neural_testbed
🗒 Paper: https://arxiv.org/abs/2211.01568v1
➡️ Dataset: https://paperswithcode.com/dataset/glue
@ai_machinelearning_big_data
👉 Более 5 млн рублей - призовой фонд онлайн-соревнования по искусственному интеллекту AI Journey Contest от Сбера. В этом году соорганизатором конкурса стал Институт искусственного интеллекта AIRI.
Это отличная возможность прокачать свои навыки, изучить свежие фреймворки и заработать на собственном интеллекте.
Главное, сделать все вовремя, так как решения принимают до 13 ноября.
🤖 FusionBrain Challenge 2.0 – продолжение прошлогоднего трека по созданию сильного ИИ. Участники должны разработать модель, которая сможет решать 12 задач в визуальной и текстовой модальностях, часть из которых изначально будет скрыта от участников.
Организаторы предлагают также создать алгоритмы для решения прикладных задач:
🗣 распознавания речи и автоматического перевода языков малых народов России;
🧬 быстрой идентификации бактерий по масс-спектрам;
⛴ восстановления данных по вылову рыбы на Дальнем Востоке.
Решать задачи можно из любой точки мира, минимальный возраст участников — 18 лет. Попробуй свои силы, участвуй в соревновании!
ИИ сервис для генераций NeuroFox 🦊
Стал доступен выбор моделей:
Модель Anything 3.0 (Anime),
MidJourney V4 Diffusion,
Modern Disney, Novel AI и другие.
- выбор моделей находится снизу страницы.
➡️ Попробовать можно здесь
@ai_machinelearning_big_data
🖥 QuEst: Graph Transformer for Quantum Circuit Reliability Estimation
A PyTorch Library for Quantum Simulation and Quantum Machine Learning.pip install torchquantum
🖥 Github: https://github.com/mit-han-lab/torchquantum
🗒 Paper: https://arxiv.org/abs/2210.16724v1
➡️ More: https://news.mit.edu/2022/quantum-circuits-robust-noise-0321
@ai_machinelearning_big_data