2021年是人工智能繼續(xù)突飛猛進(jìn)的一年最近幾天，Github上有人總結(jié)出了今年最有趣，最驚艷的38篇關(guān)于AI和機(jī)器學(xué)習(xí)論文，值得收藏

1，Zero—Shot Text—to—Image Generation

文本到圖像的生成傳統(tǒng)上側(cè)重于為固定數(shù)據(jù)集的訓(xùn)練尋找更好的建模假設(shè)本文描述了一種基于Transformer的簡(jiǎn)單方法來完成此任務(wù)，將文本和圖像標(biāo)記自回歸建模為單個(gè)數(shù)據(jù)流憑借足夠的數(shù)據(jù)和規(guī)模，當(dāng)以零樣本方式進(jìn)行評(píng)估時(shí)，我們的方法與以前的特定領(lǐng)域模型相比具有競(jìng)爭(zhēng)力

2，VOGUE: Try—On by StyleGAN Interpolation Optimization

給定目標(biāo)人物的圖像和穿著服裝的另一個(gè)人的圖像，我們會(huì)自動(dòng)生成給定服裝中的目標(biāo)人物我們方法的核心是姿勢(shì)條件 StyleGAN2 潛在空間插值，它無縫地結(jié)合了每個(gè)圖像的興趣區(qū)域，即體型，頭發(fā)和膚色來自目標(biāo)人物，而帶有褶皺的服裝 ，材料屬性和形狀來自服裝圖像

3，Taming Transformers for High—Resolution Image Synthesis

本文將 GAN 和卷積方法的效率與Transformer的表達(dá)能力相結(jié)合，為語義引導(dǎo)的高質(zhì)量圖像合成提供了一種強(qiáng)大且省時(shí)的方法。

4，Thinking Fast And Slow in AI

本文從人類能力中汲取靈感，提出了走向更通用和更值得信賴的人工智能和人工智能研究社區(qū)的 10 個(gè)問題。

5，Automatic detection and quantification of floating marine macro—litter in aerial images

來自巴塞羅那大學(xué)的研究人員開發(fā)了一種基于深度學(xué)習(xí)的算法，能夠從航拍圖像中檢測(cè)和量化漂浮的垃圾他們還制作了一個(gè)面向網(wǎng)絡(luò)的應(yīng)用程序，允許用戶在海面圖像中識(shí)別這些垃圾

6，ShaRF: Shape—conditioned Radiance Fields from a Single View

試想一下，如果只拍攝對(duì)象的照片并將其以 3D 格式插入到您正在創(chuàng)建的電影或視頻游戲中，或者插入到 3D 場(chǎng)景中進(jìn)行插圖，那該有多酷。

7，Generative Adversarial Transformers

本文利用了強(qiáng)大的 StyleGAN2 架構(gòu)中Transformer的注意力機(jī)制，使其更加強(qiáng)大！

8，We Asked Artificial Intelligence to Create Dating Profiles. Would You Swipe Right。

你會(huì)在 AI 的個(gè)人資料頁面上仔細(xì)查看嗎你能區(qū)分真人與機(jī)器嗎這項(xiàng)研究揭示了在約會(huì)應(yīng)用程序上使用AI，會(huì)發(fā)生什么事情

9，Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

Transformers 會(huì)取代計(jì)算機(jī)視覺中的 CNN 嗎在不到 5 分鐘的時(shí)間內(nèi)，你就可以通過這篇關(guān)于 Swin Transformer 的新論文，了解如何將 Transformer 架構(gòu)應(yīng)用于計(jì)算機(jī)視覺任務(wù)

10，IMAGE GANS MEET DIFFERENTIABLE RENDERING FOR INVERSE GRAPHICS AND INTERPRETABLE 3D NEURAL RENDERING

本文提出了名為 GANverse3D 的模型，只需要一張圖像，就可以創(chuàng)建可以自定義和動(dòng)畫的 3D 圖像。

11，Deep nets: What have they ever done for vision。這份榜單的前1名是專門授予全球疫苗制造商的，而其他50多家上榜公司則專注于生命科學(xué)，農(nóng)業(yè)科技和清潔能源等可持續(xù)領(lǐng)域。

本文將公開分享有關(guān)用于視覺應(yīng)用的深度網(wǎng)絡(luò)，它的成功之處，以及我們必須解決的局限性等一切內(nèi)容。。

12，Infinite Nature: Perpetual View Generation of Natural Scenes from a Single Image

13，Portable， Self—Contained Neuroprosthetic Hand with Deep Learning—Based Finger Control

本文提出了一種由人工智能驅(qū)動(dòng)的神經(jīng)接口，截肢患者可以以栩栩如生的靈巧和直覺來控制神經(jīng)假肢。

14，Total Relighting: Learning to Relight Portraits for Background Replacement

15，LASR: Learning Articulated Shape Reconstruction from a Monocular Video

本文提出一種方法，可以僅以短視頻作為輸入，生成人類或動(dòng)物移動(dòng)的 3D 模型事實(shí)上，模型實(shí)際上明白，生成的目標(biāo)是一個(gè)奇怪的形狀，可以移動(dòng)，但仍然需要和原視頻保持附著，因?yàn)檫@仍然是「一個(gè)目標(biāo)」，而不僅僅是多目標(biāo)的集合

16，Enhancing Photorealism Enhancement

本文中，英特爾的研究人員提出一個(gè) AI模型，可實(shí)時(shí)應(yīng)用于視頻游戲，并讓每一幀圖像看起來更自然。

17，DefakeHop: A Light—Weight High—Performance Deepfake Detector

如何在 2021 年準(zhǔn)確識(shí)別Deepfake假視頻這篇新論文可能會(huì)提供答案可能是「再次使用人工智能」以后，「眼見為實(shí)」可能很快就會(huì)變成「AI說真才是真」

18，High—Resolution Photorealistic Image Translation in Real—Time: A Laplacian Pyramid Translation Network

本文提出一種基于機(jī)器學(xué)習(xí)的新方法，實(shí)時(shí)將任何樣式的圖像翻譯成指定風(fēng)格的 4K 圖像！

19，Barbershop: GAN—based Image Compositing using Segmentation Masks

這篇文章本身并不是一項(xiàng)新技術(shù)，而是關(guān)于 GAN 的一個(gè)令人興奮的新應(yīng)用這個(gè) AI 可以改變你的發(fā)型，看看改變前后的對(duì)比吧

20，TextStyleBrush: Transfer of text aesthetics from a single example

2021年，在異國旅行的你走進(jìn)一家餐館，面對(duì)看不懂的菜單，你甚至不需要打開谷歌翻譯，只要簡(jiǎn)單地使用 Facebook AI 的這篇文章中的新模型，就可以翻譯菜單圖像中的每個(gè)文字。

21，Animating Pictures with Eulerian Motion Fields

22，CVPR 2021最佳論文獎(jiǎng): GIRAFFE — Controllable Image Generation

本文使用修改后的 GAN 架構(gòu)，可以在不影響背景或其他目標(biāo)的情況下移動(dòng)圖像中的目標(biāo)。

23，GitHub Copilot amp， Codex: Evaluating Large Language Models Trained on Code

OpenAI 的這個(gè)新模型，可以從單詞生成代碼。目前，該榜單已連續(xù)七年入選全球，今年的評(píng)選標(biāo)準(zhǔn)聚焦于新冠肺炎疫情中的企業(yè)社會(huì)責(zé)任。

24，Apple: Recognizing People in Photos Through Private On—Device Machine Learning

蘋果使用在您的設(shè)備上多種基于機(jī)器學(xué)習(xí)的算法，讓用戶在 iOS 15 上實(shí)現(xiàn)準(zhǔn)確規(guī)劃和組織自己的圖像和視頻。

25，Image Synthesis and Editing with Stochastic Differential Equations

是時(shí)候告別復(fù)雜的 GAN 和用于圖像生成的Transformer架構(gòu)了！來自斯坦福大學(xué)和卡內(nèi)基梅隆大學(xué)的研究人員可以從任何基于用戶的輸入中生成新圖像即使是毫無藝術(shù)基礎(chǔ)的人，現(xiàn)在也可以從草圖中生成漂亮的圖像

26，Sketch Your Own GAN

通過按照草圖生成圖像，讓每個(gè)人都可以更輕松地進(jìn)行 GAN 訓(xùn)練！事實(shí)上，借助這種新方法，您可以根據(jù)最簡(jiǎn)單的知識(shí)類型來控制 GAN 的輸出:手繪草圖。

27，Tesla's Autopilot Explained

本文中，特斯拉人工智能總監(jiān)安德烈middot，卡帕西等人展示了特斯拉的自動(dòng)駕駛系統(tǒng)是如何通過他們的八個(gè)攝像頭采集圖像，實(shí)現(xiàn)道路上導(dǎo)航。

28，Styleclip: Text—driven manipulation of StyleGAN imagery

AI 可以生成圖像，通過反復(fù)試驗(yàn)，研究人員可以按照特定的樣式控制生成結(jié)果。現(xiàn)在，有了這個(gè)新模型，只使用文本就能做到這一點(diǎn)！

29，Time Lens: Event—based Video Frame Interpolation

TimeLens 模型可以理解視頻幀之間的粒子運(yùn)動(dòng)，以人眼無法捕捉的速度重建視頻事實(shí)上，本文中的模型效果達(dá)到了目前智能手機(jī)都無法達(dá)到的效果

30，Diverse Generation from a Single Video Made Possible

31，Skillful Precipitation Nowcasting using Deep Generative Models of Radar

DeepMind 剛剛發(fā)布了一個(gè)生成模型，能夠在 89% 的情況下優(yōu)于廣泛使用的臨近預(yù)報(bào)方法，其準(zhǔn)確性和實(shí)用性通過了 50 多位氣象學(xué)家的評(píng)估！這個(gè)模型專注于預(yù)測(cè)未來 2 小時(shí)內(nèi)的降水，實(shí)現(xiàn)效果出奇地好。據(jù)了解，《財(cái)富》雜志改變世界的公司；排名中入選的所有公司都對(duì)社會(huì)產(chǎn)生了積極的影響，而這些影響都源于其核心商業(yè)戰(zhàn)略。

32，The Cocktail Fork Problem: Three—Stem Audio Separation for Real—World Soundtracks

你是否曾在收看視頻或電視節(jié)目時(shí)完全聽不見演員的聲音，或者音樂太大聲嗯，這個(gè)問題可能永遠(yuǎn)不會(huì)再發(fā)生了三菱和印第安納大學(xué)剛剛發(fā)布了一個(gè)新模型和一個(gè)新數(shù)據(jù)集，用于識(shí)別并處理關(guān)于視頻配樂聲音的問題

33，ADOP: Approximate Differentiable One—Pixel Point Rendering

想象一下，從拍攝的一堆照片中生成一個(gè) 3D 模型或一段簡(jiǎn)單流暢的視頻現(xiàn)在，這個(gè)目標(biāo)可以實(shí)現(xiàn)了

34，CLIPDraw: Coupling Content and Style in Text—to—Drawing Synthesis

35，SwinIR: Image restoration using swin transformer

您是否曾經(jīng)拍下過非常喜歡的圖像，但現(xiàn)在只有一張小圖了如果能把它的清晰度提高四到八倍該有多好本文中的方法可以將圖像的分辨率提高4倍，使其看起來更加平滑而且可以在幾秒鐘內(nèi)自動(dòng)完成，幾乎適用于任何圖像

36，EditGAN: High—Precision Semantic Image Editing

37，CityNeRF: Building NeRF at City Scale

本文中的模型稱為 CityNeRF，是從 NeRF 發(fā)展而來的NeRF 是最早使用輻射場(chǎng)和機(jī)器學(xué)習(xí)從圖像構(gòu)建 3D 模型的模型之一但效率不高，而且只適用于單一規(guī)模本文中，CityNeRF可同時(shí)應(yīng)用于衛(wèi)星和地面圖像，為任何視點(diǎn)生成各種 3D 模型比例

38，ClipCap: CLIP Prefix for Image Captioning

免責(zé)聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，僅代表作者個(gè)人觀點(diǎn)，與本網(wǎng)無關(guān)。僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。