👉 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
💨 Highly Efficient Real-Time Streaming and Fully On-Device Speaker Diarization with Multi-Stage Clusteringpip3 install spectralcluster==0.1.0
🖥 Github: https://github.com/wq2012/SpectralCluster
🗒 Paper: https://arxiv.org/abs/2210.13690v1
🔩 Speaker Diarization with LSTM: https://google.github.io/speaker-id/publications/LstmDiarization/
@ai_machinelearning_big_data
➡️ MetaFormer Baselines for Vision
🖥 Github: https://github.com/sail-sg/metaformer
🗒 Paper: https://arxiv.org/abs/2210.13452v1
➡️ Dataset: https://paperswithcode.com/dataset/imagenet
@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
🗣 NNSVS: A Neural Network-Based Singing Voice Synthesis Toolkit
Neural network-based singing voice synthesis library for research
⭐️ Docs: https://nnsvs.github.io/
🔩Github: https://github.com/nnsvs/nnsvs
📄Paper: https://arxiv.org/abs/2210.15987v1
↪️ Samples by r9y9: https://soundcloud.com/r9y9/sets/dnn-based-singing-voice
👣 Demo: https://www.youtube.com/watch?time_continue=1&v=0sSd31TUVCU&feature=emb_logo&ab_channel=DYVAUX
@ai_machinelearning_big_data
⭐️DiffusionDB
DiffusionDB is the first large-scale text-to-image prompt dataset.
🖥 Github: https://github.com/poloclub/diffusiondb
🗒 Paper: https://arxiv.org/abs/2210.14896v1
➡️ Dataset: https://huggingface.co/datasets/poloclub/diffusiondb
@ai_machinelearning_big_data
➡️ Towards Realistic Low-resource Relation Extraction: A Benchmark with Empirical Baseline Studyconda create -n knowprompt python=3.8
conda activate knowprompt
🖥 Github: https://github.com/zjunlp/KnowPrompt
🗒 Paper: https://arxiv.org/abs/2210.10678v1
➡️ Dataset: https://github.com/zjunlp/KnowPrompt/blob/master/dataset/semeval
@ai_machinelearning_big_data