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
💨 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
🔩 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
🗣 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