??日報合輯 | ??電子月刊 | ??公眾號下載資料 | ??@韓信子
?? 機器人進入核酸采樣領(lǐng)域，24小時工作不停歇 @鄭州
加班或有事耽擱，錯過了核酸采樣時間？這款24小時連續(xù)工作的智能機器人，可以免除這樣的尷尬啦！而且機器人結(jié)合了力學(xué)、視覺、高精密關(guān)節(jié)模組，可以做到靈活、安全和規(guī)范的采樣！
據(jù)了解，各個功能模塊已經(jīng)研發(fā)完成，下一步會繼續(xù)優(yōu)化并盡快投入到工作中。其中，作為核心零件的關(guān)節(jié)模組，也實現(xiàn)了從依賴進口到自主研發(fā)的巨大進步。（來源：河南廣播電視臺新聞中心）
工具&框架
?? 『Stable Diffusion in Tensorflow / Keras』Tensorflow / Keras 移植版 Stable Diffusion 模型
https://github.com/divamgupta/stable-diffusion-tensorflow
Stable Diffusion 的 Keras / Tensorflow 實現(xiàn)，模型權(quán)重是由原始實現(xiàn)移植過來的。這個項目中還提供了很多可以嘗試的 colab 代碼。
?? 『Dream Textures』Blender 著色編輯器的 Stable Diffusion 擴展
https://github.com/carson-katri/dream-textures
Blender shader editor 中內(nèi)置的 Stable Diffusion 功能，通過一個簡單的文本提示來創(chuàng)建紋理、概念藝術(shù)、背景等，使用『無縫』選項來創(chuàng)建沒有明顯接縫的完美貼圖的紋理，并快速對現(xiàn)有紋理構(gòu)建變化。
如下所示為 prompt（提示文字）及對應(yīng)生成的紋理，以及對現(xiàn)有紋理的變化。
?? 『CHARL-E』一鍵式安裝的 M1 Mac 版Stable Diffusion
https://github.com/cbh123/charl-e
https://www.charl-e.com/
CHARL-E 是一個一鍵式安裝的 M1 Mac 版 Stable Diffusion，不需要復(fù)雜的設(shè)置、依賴關(guān)系或聯(lián)網(wǎng)，下載和安裝后根據(jù)提示即可生成圖片。
?? 『Scikit-decide』強化學(xué)習(xí)與自動調(diào)度工具庫
https://github.com/airbus/scikit-decide
https://airbus.github.io/scikit-decide/
Scikit-decide 是一個用于強化學(xué)習(xí)、自動計劃和調(diào)度的AI框架。
?? 『streamlit-stt-app』實時語音轉(zhuǎn)文字工具庫
https://github.com/whitphx/streamlit-stt-app
https://share.streamlit.io/whitphx/streamlit-stt-app/main/app_deepspeech.py
streamlit-stt-app 是一個用 Streamlit 和 streamlit-webrtc 構(gòu)建的實時語音轉(zhuǎn)文字應(yīng)用，它底層使用的語音轉(zhuǎn)文字引擎是 mozilla/DeepSpeech。
博文&分享
?? 『python cp cheatsheet』Python3面試準(zhǔn)備與速查表
https://github.com/peterlamar/python-cp-cheatsheet
在大約十年沒有使用 Python 之后，作者在重新學(xué)習(xí) Python3 進行各種面試和有趣的 leetcoding 時，構(gòu)建了這個速查表，嘗試獲得最小的 Python 高頻子集。清單包含『Language Mechanics』『Collections』『Algorithms』三個部分：
| Language Mechanics | Collections | Algorithms |
|---|---|---|
| Literals / Loops / Strings / Slicing / Tuples / Sort / Hash / Set / List / Dict / Binary Tree / heapq / lambda / zip / Random / Constants / Ternary Condition / Bitwise operators / For Else / Modulo / any / all / bisect / math / iter / map / filter / reduce / itertools / regular expression / Types / Grids | Deque / Counter / Default Dict | General Tips / Binary Search / Topological Sort / Sliding Window / Tree Tricks / Binary Search Tree / Anagrams / Dynamic Programming / Cyclic Sort / Quick Sort / Merge Sort / Merge K Sorted Arrays / Linked List / Convert Base / Parenthesis / Max Profit Stock / Shift Array Right / Continuous Subarrays with Sum k / Events / Merge Meetings / Trie / Kadane’s Algorithm - Max subarray sum / Union Find/DSU / Fast Power / Fibonacci Golden / Basic Calculator / Reverse Polish / Resevior Sampling / Candy Crush |
數(shù)據(jù)&資源
?? 『Awesome Visual Diffusion Models』視覺擴散模型相關(guān)資源大列表
https://github.com/Xiefan-Guo/Awesome-Visual-Diffusion-Models
清單包含以下內(nèi)容：
- Landmark Papers
- PapersConference Papers
- Journal Papers
- Preprints
- Tutorials
- Blogs
研究&論文
可以點擊 這里 回復(fù)關(guān)鍵字 日報，獲取整理好的論文合輯。
科研進展
- 2022.09.15 『數(shù)據(jù)增強』 A Light Recipe to Train Robust Vision Transformers
- 2022.09.18 『強化學(xué)習(xí)』 Honor of Kings Arena: an Environment for Generalization in Competitive Reinforcement Learning
- 2022.09.16 『姿勢預(yù)估』 PPT: token-Pruned Pose Transformer for monocular and multi-view human pose estimation
? 論文：A Light Recipe to Train Robust Vision Transformers
論文時間：15 Sep 2022
領(lǐng)域任務(wù)：Adversarial Robustness, Data Augmentation, 對抗健壯性，數(shù)據(jù)增強
論文地址：https://arxiv.org/abs/2209.07399
代碼實現(xiàn)：https://github.com/dedeswim/vits-robustness-torch
論文作者：Edoardo Debenedetti, Vikash Sehwag, Prateek Mittal
論文簡介：Additionally, investigating the reasons for the robustness of our models, we show that it is easier to generate strong attacks during training when using our recipe and that this leads to better robustness at test time./此外，在調(diào)查我們的模型的魯棒性的原因時，我們表明，在使用我們的方法時，在訓(xùn)練期間更容易產(chǎn)生強大的攻擊，使得模型在測試時具有更好的魯棒性。
論文摘要：在本文中，我們問視覺Transformers（ViTs）是否可以作為一個底層架構(gòu)來提高機器學(xué)習(xí)模型對逃避攻擊的對抗性魯棒性。雖然早期的工作集中于改善卷積神經(jīng)網(wǎng)絡(luò)，但我們表明，ViTs也非常適用于對抗性訓(xùn)練，以實現(xiàn)有競爭力的性能。我們使用一個定制的對抗性訓(xùn)練配方來實現(xiàn)這一目標(biāo)，該方法是在ImageNet數(shù)據(jù)集的一個子集上通過嚴(yán)格的消融研究發(fā)現(xiàn)的。ViTs的典型訓(xùn)練配方建議進行強大的數(shù)據(jù)增強，部分原因是為了彌補注意力模塊的視覺歸納偏置的不足，與卷積相比。我們表明，在用于對抗性訓(xùn)練時，這個配方實現(xiàn)了次優(yōu)的性能。相比之下，我們發(fā)現(xiàn)，省略所有繁重的數(shù)據(jù)增強，并增加一些額外的技巧包（ε-warmup和更大的權(quán)重衰減），可以顯著提高魯棒的ViTs的性能。我們表明，我們的方法可以推廣到不同類別的ViT架構(gòu)和完整ImageNet-1k上的大規(guī)模模型。此外，在研究我們的模型的魯棒性的原因時，我們表明在使用我們的配方時，在訓(xùn)練期間更容易產(chǎn)生強大的攻擊，這導(dǎo)致在測試時具有更好的魯棒性。最后，我們進一步研究了對抗性訓(xùn)練的一個后果，提出了一種量化對抗性擾動的語義性質(zhì)的方法，并強調(diào)了它與模型魯棒性的相關(guān)性?？偟膩碚f，我們建議社區(qū)應(yīng)該避免將ViTs中的典型訓(xùn)練配方轉(zhuǎn)化為魯棒性訓(xùn)練，并在對抗性訓(xùn)練的背景下重新思考常見的訓(xùn)練選擇。
? 論文：Honor of Kings Arena: an Environment for Generalization in Competitive Reinforcement Learning
論文時間：18 Sep 2022
領(lǐng)域任務(wù)：reinforcement-learning，強化學(xué)習(xí)
論文地址：https://arxiv.org/abs/2209.08483
代碼實現(xiàn)：https://github.com/tencent-ailab/hok_env
論文作者：Hua Wei, Jingxiao Chen, Xiyang Ji, Hongyang Qin, Minwen Deng, Siqin Li, Liang Wang, Weinan Zhang, Yong Yu, Lin Liu, Lanxiao Huang, Deheng Ye, Qiang Fu, Wei Yang
論文簡介：Compared to other environments studied in most previous work, ours presents new generalization challenges for competitive reinforcement learning./與以往大多數(shù)工作中研究的其他環(huán)境相比，我們的環(huán)境為競爭性強化學(xué)習(xí)提出了新的泛化挑戰(zhàn)。
論文摘要：本文介紹了Honor of Kings Arena，一個基于Honor of Kings的強化學(xué)習(xí)（RL）環(huán)境，Honor of Kings是目前世界上最流行的游戲之一。與以往大多數(shù)工作中研究的其他環(huán)境相比，我們的環(huán)境為競爭性強化學(xué)習(xí)提出了新的泛化挑戰(zhàn)。它是一個多代理問題，一個代理與它的對手競爭；它需要泛化能力，因為它有不同的目標(biāo)需要控制和不同的對手需要競爭。我們描述了《王者榮耀》領(lǐng)域的觀察、行動和獎勵規(guī)范，并提供了一個開源的基于Python的接口，用于與游戲引擎進行通信。我們在《王者榮耀》競技場中提供了20個目標(biāo)英雄的各種任務(wù)，并介紹了在可行的計算資源下基于RL的方法的初步基線結(jié)果。最后，我們展示了《王者榮耀》競技場所帶來的泛化挑戰(zhàn)以及對挑戰(zhàn)的可能補救措施。所有的軟件，包括環(huán)境類，都可在 https://github.com/tencent-ailab/hok_env 獲取，文檔可在 https://aiarena.tencent.com/hok/doc/ 查看。
? 論文：PPT: token-Pruned Pose Transformer for monocular and multi-view human pose estimation
論文時間：16 Sep 2022
領(lǐng)域任務(wù)：Pose Estimation，姿勢預(yù)估
論文地址：https://arxiv.org/abs/2209.08194
代碼實現(xiàn)：https://github.com/howiema/ppt
論文作者：Haoyu Ma, Zhe Wang, Yifei Chen, Deying Kong, Liangjian Chen, Xingwei Liu, Xiangyi Yan, Hao Tang, Xiaohui Xie
論文簡介：In this paper, we propose the token-Pruned Pose Transformer (PPT) for 2D human pose estimation, which can locate a rough human mask and performs self-attention only within selected tokens./在本文中，我們提出了用于二維人類姿勢估計的標(biāo)記-跑動姿勢Transformer（PPT），它可以定位一個粗糙的人類面具，并且只在選定的標(biāo)記內(nèi)執(zhí)行自我關(guān)注。
論文摘要：最近，視覺變換器及其變體在單目和多目人類姿態(tài)估計中都發(fā)揮了越來越重要的作用?？紤]到圖像斑塊作為標(biāo)記，變換器可以在整個圖像或來自其他視圖的圖像之間建立全局依賴模型。然而，全局關(guān)注在計算上是昂貴的。因此，很難將這些基于變換器的方法擴展到高分辨率的特征和許多視圖。在本文中，我們提出了用于二維人體姿勢估計的標(biāo)記-奔跑姿勢Transformer（PPT），它可以定位一個粗略的人體面具，并且只在選定的標(biāo)記內(nèi)執(zhí)行自我關(guān)注。此外，我們將我們的PPT擴展到多視角人體姿勢估計。在PPT的基礎(chǔ)上，我們提出了一個新的跨視角融合策略，稱為人類區(qū)域融合，它將所有人類的前景像素視為相應(yīng)的候選者。在COCO和MPII上的實驗結(jié)果表明，我們的PPT可以與以前的姿勢變換器方法的精度相媲美，同時減少計算量。此外，在Human 3.6M和Ski-Pose上的實驗表明，我們的多視圖PPT可以有效地融合來自多個視圖的線索，并取得最先進的新結(jié)果。
我們是 ShowMeAI，致力于傳播AI優(yōu)質(zhì)內(nèi)容，分享行業(yè)解決方案，用知識加速每一次技術(shù)成長！
? 點擊 日報合輯，在公眾號內(nèi)訂閱話題 #ShowMeAI資訊日報，可接收每日最新推送。
? 點擊 電子月刊，快速瀏覽月度合輯。文章來源：http://www.zghlxwxcb.cn/news/detail-485684.html
? 點擊 這里 ，回復(fù)關(guān)鍵字 日報 獲取AI電子月刊與論文 / 電子書等資料包。文章來源地址http://www.zghlxwxcb.cn/news/detail-485684.html
到了這里，關(guān)于真·007！核酸采樣機器人現(xiàn)身鄭州；Python3面試準(zhǔn)備與速查表；實時語音轉(zhuǎn)文字工具庫；AI繪畫根據(jù)文本創(chuàng)建紋理；前沿論文 | ShowMeAI資訊日報的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
