ShowMeAI日報(bào)系列全新升級！覆蓋AI人工智能 工具&框架 | 項(xiàng)目&代碼 | 博文&分享 | 數(shù)據(jù)&資源 | 研究&論文 等方向。點(diǎn)擊查看 歷史文章列表，在公眾號內(nèi)訂閱話題 #ShowMeAI資訊日報(bào)，可接收每日最新推送。點(diǎn)擊 專題合輯&電子月刊 快速瀏覽各專題全集。點(diǎn)擊 這里 回復(fù)關(guān)鍵字 日報(bào) 免費(fèi)獲取AI電子月刊與資料包。
工具&框架
?? 『Superset』數(shù)據(jù)探索 & 數(shù)據(jù)可視化平臺
https://github.com/apache/superset
Apache Superset 是一個(gè)企業(yè)級 BI 平臺，可以使用戶快速、輕量、直觀地探索和可視化數(shù)據(jù)，具有無代碼快速構(gòu)建圖表、支持 SQL 編輯器、豐富美觀的可視化圖庫、可程序化定制的 API 等功能。Repo 頁面和官網(wǎng)（superset.apache.org）提供了多樣的下載安裝方式和詳細(xì)的教程。
?? 『IntraPaint』指導(dǎo) AI 生成圖像，以制作有獨(dú)特創(chuàng)意的作品
https://github.com/centuryglass/IntraPaint
IntraPaint 提供了兩個(gè)主要組件：圖像生成服務(wù)器，客戶端編輯器。圖像生成服務(wù)器使用 GLID-3-XL 進(jìn)行即時(shí)引導(dǎo)修復(fù)，用戶界面是使用 PyQt5 構(gòu)建的桌面應(yīng)用程序。使用 IntraPaint 指導(dǎo) AI 生成圖像，可以快速創(chuàng)建復(fù)雜的藝術(shù)作品，同時(shí)確保創(chuàng)意在可控范圍之內(nèi)。IntraPaint 可以在 Google Colab 的免費(fèi) GPU 中運(yùn)行。可以試起來哦！
以下是一個(gè)示例的操作過程：① 標(biāo)示想作畫的區(qū)域，并提供關(guān)鍵字；② 在產(chǎn)生的選項(xiàng)中進(jìn)行匹配；③ 將所選項(xiàng)插入到圖畫區(qū)域；④ 重復(fù)繪制其他區(qū)域。
?? 『lensm』Go語言編寫的匯編/源碼分析器
https://github.com/loov/lensm
故事開始于一個(gè)尋常的周末。作者正在對 Gio UI 項(xiàng)目進(jìn)行一系列微調(diào)，終于忍受不了腦殘的工具，怒而自己上手開發(fā)了一個(gè)！lensm 取自 lens 和 asm 兩個(gè)單詞，是一個(gè)編寫代碼和查看輸出的工具，確保相應(yīng)的代碼行具有相同的顏色，并且將鼠標(biāo)懸停在特定代碼行上時(shí)，相應(yīng)的程序集也會高亮顯示。你可以將其理解為本地速用版的 Compiler Explorer。
?? 『BasicSR-docs』BasicSR 開源庫的中文解讀文檔
https://github.com/XPixelGroup/BasicSR-docs
BasicSR（Basic Super Restoration）是一個(gè)基于 PyTorch 的開源圖像視頻復(fù)原工具箱，功能包括超分辨率、去噪、去模糊、去 JPEG 壓縮噪聲等，GitHub 已經(jīng)有 3.6k Star！BasicSR-docs 是 BasicSR 中文解讀文檔的 LaTex 源碼文件，并提供了中文版 PDF 文檔下載（公眾號『ShowMeAI研究中心』回復(fù)關(guān)鍵字『日報(bào)』也可以獲取）。
?? 『RESP』從 Google Scholar、ACL、ACM、Arxiv、PMLR 等獲取科研論文的引用情況、相關(guān)論文等
https://github.com/monk1337/resp
RESP（Research Papers Search），可以從谷歌學(xué)術(shù)獲取單篇論文的所有引用信息、相關(guān)論文，從 connectedpapers.com 獲取所有相關(guān)論文，基于關(guān)鍵詞從不同來源獲取相關(guān)論文。Repo 提到的源包括以下這些：Google Scholar、Acl、 Pmlr 、Arxiv、Semantic Scholar、NeurIPS、IJCAI、openreview、thecvf。
博文&分享
?? 『rCore Tutorial v3』基于 Rust 語言從頭編寫運(yùn)行在RISC-V平臺上的類Unix操作系統(tǒng)
https://github.com/rcore-os/rCore-Tutorial-v3
這是一個(gè)面向初學(xué)者的項(xiàng)目，無需任何關(guān)于計(jì)算機(jī)架構(gòu)、匯編語言或操作系統(tǒng)的背景知識，就可以用 Rust 語言從頭編寫一個(gè)運(yùn)行在 RISC-V 平臺上的類似 Unix 的操作系統(tǒng)。項(xiàng)目支持模擬器環(huán)境（如 Qemu / terminus 等），還能在真實(shí)硬件平臺 Kendryte K210 上運(yùn)行。項(xiàng)目文檔非常完備！有需要的朋友們可以入坑了！
數(shù)據(jù)&資源
?? 『Awesome Privacy』專注隱私&安全的軟件和服務(wù)大列表
http://github.com/Lissy93/awesome-privacy
?? 『Best Incremental Learning』增量學(xué)習(xí)/持續(xù)學(xué)習(xí)/終生學(xué)習(xí)相關(guān)文獻(xiàn)資源集
https://github.com/Vision-Intelligence-and-Robots-Group/Best-Incremental-Learning
?? 『Federated Learning on Graph and Tabular Data』圖和表格數(shù)據(jù)上的聯(lián)邦學(xué)習(xí)文獻(xiàn)資源列表
https://github.com/youngfish42/Awesome-Federated-Learning-on-Graph-and-Tabular-Data
研究&論文
可以點(diǎn)擊 這里 回復(fù)關(guān)鍵字日報(bào)，免費(fèi)獲取整理好的論文合輯。
科研論文
- 2022.07.14 『計(jì)算機(jī)視覺』 XMem: Long-Term Video Object Segmentation with an Atkinson-Shiffrin Memory Model
- 2022.03.11 『自然語言處理』 BERTopic: Neural topic modeling with a class-based TF-IDF procedure
- 2022.07.14 『計(jì)算機(jī)視覺』 Learning Implicit Templates for Point-Based Clothed Human Modeling
- 2022.07.13 『機(jī)器學(xué)習(xí)』 Volatility Based Kernels and Moving Average Means for Accurate Forecasting with Gaussian Processes
? 論文：XMem: Long-Term Video Object Segmentation with an Atkinson-Shiffrin Memory Model
論文時(shí)間：14 Jul 2022
所屬領(lǐng)域：計(jì)算機(jī)視覺
對應(yīng)任務(wù)：Semantic Segmentation，Semi-Supervised Video Object Segmentation，Video Object Segmentation，Video Semantic Segmentation，語義分割，半監(jiān)督的視頻對象分割，視頻對象分割，視頻語義分割
論文地址：https://arxiv.org/abs/2207.07115
代碼實(shí)現(xiàn)：https://github.com/hkchengrex/XMem
論文作者：Ho Kei Cheng, Alexander G. Schwing
論文簡介：We present XMem, a video object segmentation architecture for long videos with unified feature memory stores inspired by the Atkinson-Shiffrin memory model./我們提出了XMem，這是一個(gè)用于長視頻的視頻對象分割架構(gòu)，具有統(tǒng)一的特征內(nèi)存存儲，其靈感來自Atkinson-Shiffrin內(nèi)存模型。
論文摘要：我們提出了XMem，這是一個(gè)用于長視頻的視頻對象分割架構(gòu)，具有統(tǒng)一的特征內(nèi)存存儲，其靈感來自于Atkinson-Shiffrin內(nèi)存模型。之前的視頻對象分割工作通常只使用一種類型的特征存儲器。對于超過一分鐘的視頻，單一的特征存儲模型將內(nèi)存消耗和準(zhǔn)確性緊密聯(lián)系起來。相比之下，按照Atkinson-Shiffrin模型，我們開發(fā)了一個(gè)包含多個(gè)獨(dú)立而又深度連接的特征記憶存儲的架構(gòu)：一個(gè)快速更新的感覺記憶，一個(gè)高分辨率的工作記憶，以及一個(gè)緊湊而持續(xù)的長期記憶。最重要的是，我們開發(fā)了一種記憶增效算法，該算法經(jīng)常將積極使用的工作記憶元素整合到長期記憶中，從而避免了記憶爆炸，并將長期預(yù)測的性能衰減降到最低。結(jié)合新的內(nèi)存讀取機(jī)制，XMem在長視頻數(shù)據(jù)集上的性能大大超過了最先進(jìn)的水平，而在短視頻數(shù)據(jù)集上則與最先進(jìn)的方法相當(dāng)。代碼可在 https://hkchengrex.github.io/XMem 獲取。
? 論文：BERTopic: Neural topic modeling with a class-based TF-IDF procedure
論文時(shí)間：11 Mar 2022
所屬領(lǐng)域：自然語言處理
對應(yīng)任務(wù)：Document Embedding，Topic Models，文本嵌入，主體模型
論文地址：https://arxiv.org/abs/2203.05794
代碼實(shí)現(xiàn)：https://github.com/MaartenGr/BERTopic , https://github.com/maartengr/bertopic_evaluation
論文作者：Maarten Grootendorst
論文簡介：BERTopic generates coherent topics and remains competitive across a variety of benchmarks involving classical models and those that follow the more recent clustering approach of topic modeling./BERTopic生成了連貫的主題，并在涉及經(jīng)典模型和那些遵循較新的主題建模聚類方法的各種基準(zhǔn)中保持競爭力。
論文摘要：話題模型可以成為發(fā)現(xiàn)文檔集合中潛在話題的有用工具。最近的研究表明，將話題建模作為一項(xiàng)聚類任務(wù)是可行的。我們提出了BERTopic，這是一個(gè)話題模型，通過開發(fā)基于類的TF-IDF變體來提取連貫的話題表示，從而擴(kuò)展了這一過程。更具體地說，BERTopic用預(yù)先訓(xùn)練好的基于Transformer的語言模型生成文檔嵌入，對這些嵌入進(jìn)行聚類，最后，用基于類的TF-IDF程序生成話題表示。BERTopic生成了連貫的主題，并在涉及經(jīng)典模型和那些遵循較新的主題建模聚類方法的各種基準(zhǔn)中保持競爭力。
? 論文：Learning Implicit Templates for Point-Based Clothed Human Modeling
論文時(shí)間：14 Jul 2022
所屬領(lǐng)域：計(jì)算機(jī)視覺
論文地址：https://arxiv.org/abs/2207.06955
代碼實(shí)現(xiàn)：https://github.com/jsnln/fite
論文作者：Siyou Lin, Hongwen Zhang, Zerong Zheng, Ruizhi Shao, Yebin Liu
論文簡介：We present FITE, a First-Implicit-Then-Explicit framework for modeling human avatars in clothing./我們提出了FITE，一個(gè)先隱后顯的框架，用于為服裝中的人類虛擬形象建模。
論文摘要：我們提出了FITE，一個(gè)先隱后顯的框架，用于為服裝中的人類虛擬形象建模。我們的框架首先學(xué)習(xí)代表粗略服裝拓?fù)浣Y(jié)構(gòu)的隱性表面模板，然后利用模板來指導(dǎo)點(diǎn)集的生成，這些點(diǎn)集進(jìn)一步捕捉與姿勢相關(guān)的服裝變形，如皺紋。我們的管道結(jié)合了隱式和顯式表征的優(yōu)點(diǎn)，即處理不同的拓?fù)浣Y(jié)構(gòu)的能力和有效捕捉精細(xì)細(xì)節(jié)的能力。我們還提出了擴(kuò)散蒙皮，以促進(jìn)模板訓(xùn)練，特別是對于寬松的衣服，以及基于投影的姿勢編碼，以從沒有預(yù)定義UV圖或連接的網(wǎng)格模板中提取姿勢信息。我們的代碼可在 https://github.com/jsnln/fite 獲取。
? 論文：Volatility Based Kernels and Moving Average Means for Accurate Forecasting with Gaussian Processes
論文時(shí)間：13 Jul 2022
所屬領(lǐng)域：機(jī)器學(xué)習(xí)
對應(yīng)任務(wù)：Gaussian Processes，高斯過程
論文地址：https://arxiv.org/abs/2207.06544
代碼實(shí)現(xiàn)：https://github.com/g-benton/volt
論文作者：Gregory Benton, Wesley J. Maddox, Andrew Gordon Wilson
論文簡介：A broad class of stochastic volatility models are defined by systems of stochastic differential equations./一大類隨機(jī)波動(dòng)率模型是由隨機(jī)微分方程系統(tǒng)定義的。
論文摘要：一大類隨機(jī)波動(dòng)率模型是由隨機(jī)微分方程系統(tǒng)定義的。雖然這些模型在金融和統(tǒng)計(jì)氣候?qū)W等領(lǐng)域取得了廣泛的成功，但它們通常缺乏對歷史數(shù)據(jù)進(jìn)行調(diào)節(jié)以產(chǎn)生真正的后驗(yàn)分布的能力。為了解決這個(gè)基本的局限性，我們展示了如何將一類隨機(jī)波動(dòng)率模型重鑄為具有專門協(xié)方差函數(shù)的層次化高斯過程（GP）模型。這個(gè)GP模型保留了隨機(jī)波動(dòng)率模型的歸納偏差，同時(shí)提供了GP推理所給出的后驗(yàn)預(yù)測分布。在這個(gè)框架內(nèi)，我們從已研究過的領(lǐng)域中獲得靈感，引入了一類新的模型–Volt和Magpie，它們在股票和風(fēng)速預(yù)測中的表現(xiàn)明顯優(yōu)于基線，并自然延伸到多任務(wù)設(shè)置中。文章來源：http://www.zghlxwxcb.cn/news/detail-494021.html
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(diǎn)擊查看 歷史文章列表，在公眾號內(nèi)訂閱話題 #ShowMeAI資訊日報(bào)，可接收每日最新推送。點(diǎn)擊 專題合輯&電子月刊 快速瀏覽各專題全集。點(diǎn)擊 這里 回復(fù)關(guān)鍵字 日報(bào) 免費(fèi)獲取AI電子月刊與資料包。文章來源地址http://www.zghlxwxcb.cn/news/detail-494021.html
- 作者：韓信子@ShowMeAI
- 歷史文章列表
- 專題合輯&電子月刊
- 聲明：版權(quán)所有，轉(zhuǎn)載請聯(lián)系平臺與作者并注明出處
- 歡迎回復(fù)，拜托點(diǎn)贊，留言推薦中有價(jià)值的文章、工具或建議，我們都會盡快回復(fù)噠~
到了這里，關(guān)于『可控』AI作畫：我的畫布聽我的；快速完成科研論文『流調(diào)』；教會小白搭類Unix操作系統(tǒng)；聯(lián)邦學(xué)習(xí)資源合輯；前沿論文 | ShowMeAI資訊日報(bào)的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY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)！
