阿凡达技术进入K-POP市场
阿凡达早在AI技术出现之前就已以各种形式使用，例如SNS，客户服务和游戏中的角色表达。由于相关图形技术的发展，已经进行了各种尝试...
Unity ArtEngine
Unity的ArtEngine是一种工具，可使用基于AI的技术轻松创建高质量的图形资源。在Unity中，这些技术称为AI辅助艺术性，尽管我没有详细使用它们，但有些功能似乎非常有用...
Facebook Denoiser：实时语音增强
我们共享去噪器github的链接，这是在INTERSPEech 2020上宣布的Facebook实时降噪技术。它实现为Pytorch，原始论文的标题是“波形域中的实时语音增强”。如标题所示…
与智能手机相比的AI市场规模
根据IDC预测报告，到2020年AI市场规模预计约为157B$。当然，这个数字是与AI相关的各个行业的总和：硬件，云服务和软件。也在这份报告中...
视频质量检查–您只需3D注意
通常，问答系统使用文本回答问题。这样的任务是Squad任务，它为您提供一段解释事实并提出问题并生成适当答案的段落。相比之下，用视觉质量检查代替文字…
UneeQ的数字人性平台发布
UneeQ已启动了一个名为Digital Human Creator的数字人类平台。尽管该服务的价格有点负担，但尝试提供免费试用还是不够的。在视觉方面，之前出现过很多的3D化身...
VIBE：根据图像预测3D人体模型参数
为了实现类似人类的AI的可视化部分，有必要考虑如何创建和移动3D人类模型，现有的方法有很多种，其中一种是从Max Planck ETH Center到CVPR 2020 ...
使用来自100多个国家/地区的数据对多语言翻译模型和语言模型进行了培训
为了将以前主要以英语研究的语言模型和翻译模型扩展为多种语言，人们进行了许多尝试。 Google的mT5是一项研究，旨在将现有的T5（文本到文本转换转换器）扩展为多语言语料库，包括总共101种语言...
借助咳嗽声预测电晕19感染的AI技术
Corona 19尚未在全球范围内表现出平静的迹象。在麻省理工学院，我们学习了一种AI模型，该模型可以通过用手机记录的咳嗽声来检查是否存在Corona 19感染，并以此发表了方法论和实验结果。在实验结果中...
Adobe Neural Filter：更改图像编辑范例
Adobe宣布了一种基于AI的编辑工具，称为神经过滤器。有人说它已经包含在最新版本的Photoshop中。一个示例功能是将照片中的整个天空更改为另一个天空（晴朗的天空，云彩...
2020年的四大事件表明AI在媒体压缩方面的趋势
认真考虑将2020年视为AI技术在媒体压缩领域应用的第一年。快速浏览一下今年发生的四件事。 （1）下一代视频标准缺少深度学习技术首先，七月…
开放域聊天机器人的对话组合方法
在Ping-Pong博客上，已发布了文章“超人AI的Luda作梦的对话组成”，但是在设计开放域聊天机器人时有很多事情要担心，因此我们分享。 Scatter Lab正在提高Eruda的日常对话技巧。
基于蓝牙的COVID-19风险组识别技术
有许多使用AI技术与Corona 19相关的研究。以下共享的论文是Fraunhofer HHI的一项研究，该研究发表在《自然》杂志上，并使用机器学习技术分析了从低功耗蓝牙（BLE）中测得的数据，以确定与确诊患者联系过的人群中的风险类别...
NVidia Maxine：基于AI的视频通信平台
NVidia推出了一个基于云的视频通讯平台，名为Maxine。 Maxine的功能是完全引入了AI技术，特别是它检测面部标志，而不是使用H等图像编码技术来压缩和发送面部图像。
余冠舜恢复照片质量并改变面部表情
这是一张让我感到非常咸的照片。这是余光顺的照片，它仅保持低质量，还原为高清并增添了微笑，并且据说使用了具有基于深度学习的面部编辑技术的Faceapp。我确切地知道Faceapp中采用了哪种技术...
Vid2Player：基于视频分析的网球运动员动作生成
最近似乎有很多技术可以通过从人类运动中提取运动来创建新运动。 （vid2vid，vid2game，pose2pose）Vid2Player在斯坦福大学进行了研究，它取决于使用实际网球拉力赛图像数据放置的球...
膳食v2：使用ResNet-50实现ImageNet Top-1 80%
将多个网络模型组合在一起可以提高性能，但现实情况是，由于总网络规模和推理时间也会增加，因此在实际应用中存在许多困难。通过对抗学习（MEAL）的多模型合奏解决了这个问题...
HuggingFace数据集1.0
Huggingface数据集库的第一个稳定版本1.0已发布，使使用NLP数据集和评估指标变得容易。当前，支持约100个数据集和每个数据集的评估指标（约10个）。
根据强化学习创建可缩放的角色动画
可以自然地看到虚拟角色并按照物理定律（即类人定律）合理地运动，这是游戏和计算机图形学领域长期研究的主题。 Facebook Jungdam Won作为第一作者的项目“ A可扩展……”
Wav2Lip：通过声音创建唇形
LipGAN是一种使用语音信号生成脸部图像的嘴唇形状的技术，当将其实际应用于视频时，在视觉伪像和运动自然度方面有些令人失望。为了改善这一点，鉴别器不是单个帧，而是多个连续的…
使用HuggingFace和ONNX Runtime进行NLP加速
基于Transformer的语言模型显示出的性能改进令人惊讶，但是随着模型大小的成倍增长，对服务成本的关注也变得越来越重要。 Bert-base或GPT-2具有大约1亿个参数，因此模型大小，内存带宽，...
Gran Turismo的超人AI
该链接是对索尼和苏黎世联邦理工学院发表的一篇论文的回顾，该论文表明，强化学习已应用于著名的汽车游戏《 Gran Turismo》中，该游戏已经超越了人类的记录。使用的技术已经众所周知。
GPT-3示例和minGPT项目
在日常对话研究中脱颖而出的Scatterlab（https://scatterlab.co.kr/）是Ping-Pong团队博客上的一篇文章，我分享了它，因为它似乎与GPT-3案例的故事井井有条。我仍然将GPT-3视为“疑惑之眼”，但是当我再次看到它时，这很好奇...
该年底的Webtoon样式生成代码
Bryandlee的github拥有使用深层生成模型进行图像翻译的结果，并且在冷静的人的后期研究中将相关研究制成了网络漫画。该研究的标题也是“冷却的生成模型学习者”。我喜欢这个机智！看一下过程，webtoon…
Facebook TransCoder：无监督学习编程语言翻译器
已经进行了许多尝试以一种编程语言编写的代码转换为另一种编程语言，并且有许多类型的商业工具。使用的主要目的是确保兼容性，例如FORTRAN或BASIC，或...
人类和人工智能对图像分类问题的性能比较分析
Imagenet-1K（1000类图像分类问题）是一项随着CNN的发展而优化的任务。 AlexNet宣布深度学习时代开始的TOP-5错误约为17%。当时，现有顶级技术（SIFT + FV）的TOP-5错误约为26% ...
与AR Glass概念图进行交互的必要性
这是由设计师Iskander Utebayev创作的AR Glass概念视频。即使是概念视频，它也相当不错，并且一旦实现，我认为有可能极大地改变使用智能设备的人机界面。应用AI技术…
Lip2Wav：仅通过嘴唇移动即可生成语音信号
我听说过一些故事，如果您接受了特殊的培训，您就可以通过嘴唇的移动来知道您在说什么，但是链接中的研究是通过AI实现的。
发行反映门户评论和新词的朝鲜语模型KcBERT
在大规模语言模型的情况下，总是会遇到困难，因为没有朝鲜语模型，继SKT的KoBERT之后，Naver发行了KcBERT，该模型是从头开始学习的，其数据反映了Naver注释数据和新单词。不仅训练有素的模型……
皮克斯的超分辨率技术及其应用
基于深度学习的超分辨率技术在NVidia的最新GPU中采用了DLSS（深度学习超级采样）的名称，并成为消费者的一项真正的服务技术。为了降低4K游戏市场中4K渲染的成本，2K…
与Google MixNet的实施关联性
图像中常用的卷积是3D操作。 （KxKxC; K =内核大小，C =通道数）通过将其划分为KxKx1的多个2D运算来应用之后，在通道方向上应用大小为1x1xC的卷积的深度可分离卷积大大减少了参数数量。
通过语音创建身体动作
LipGan是一项根据语音信号创建嘴形的研究。这是一种对创建虚拟角色的嘴部动画有用的技术，但是在实际应用中，局限性很明显，因为只有站立的角色的嘴唇仍在移动。实际上，人类...
Microsoft Teams Together模式
近年来，随着非面对面视频会议变得越来越普遍，越来越多的人使用Zoom进行多人视频会议。一种称为变焦疲劳的现象也引起了人们的注意，这是一个长时间充满正方形的用户体验...
H.266 / VVC标准和深度学习技术
已经发布了新视频编解码器的国际标准，该新编解码器名为（ISO MPEG）VVC或（ITU-T）H.266。分享相关文章。与HEVC不同，HEVC大部分技术都是在深度学习技术问世之前完成的，而VVC是深度学习…
AI堕落或复兴
根据各种统计数据，在过去的五年中，与AI相关的主要会议参与者的数量增加了6倍，而AI初创公司的数量在4年中增加了113%，而非AI初创公司的数量则增加了28%。在非AI领域进行了5年的风险投资...
多模式问答–视觉对话任务
可视对话框任务是一种多模式任务，可将图像添加到由问答组成的Q＆A任务中。例如，如果您一起给一只白色的猫和一只黑色的狗拍照，然后问：“猫旁边的动物是什么颜色？”，您回答“黑色” ...
人工智能和人类协作：新的集体智慧
分享您最近喜欢阅读的内容。在本文中，我们将介绍一种形式，在这种形式中，人类和AI在不同的领域工作，而一方则是协作而不是替代另一方。集体智慧是个人的知识分子。
从运动，骨骼和角度重新定向运动
我们共享了在SIGGRAPH 2019上发表的论文``学习面向二维运动重定向的字符不可知运动''的项目页面。本文从三个（可能不同）的图像中提取运动，骨骼和相机角度，然后……
Adobe Mixamo：3D角色模型打开数据
在游戏制作方面，我们共享一个指向经常使用的Adobe Mixamo网站的链接。输入时，将上载121个3D字符和2484个字符动作，并且可以以称为（Autodesk）FBX的3D格式下载它们。这种格式...
FastSpeech2开源
TensorflowTTS是基于Tensorflow 2的开源，它支持几种最新的TTS模型，例如Tacotron2，MelGan，FastSpeech等，终于开始支持Microsoft FastSpeech2。 FastSpeech2表现出与Transformer系列TTS类似的性能，但是学习时间却超过两倍。
AI：智慧与自动化
链接是引起人们对智能与自动化之间差异的很多关注的文章。自从1960年代神经网络问世以来，人工智能一直是一个名词。自那时以来，由于难以保证计算能力和数据的安全性，人们取得了特殊的进步。
反映面部表情和身体动作的情绪识别
已经进行了各种尝试来从图像或图像中识别情绪。它是云API中提供的一个众所周知的应用程序领域，并成为SNS的主题（乔伊95%等）。下面链接的论文是一张脸...
基于GAN的图像压缩
在视频压缩领域中，与摩尔定律（晶体管的数量每两年翻一番），1993年的MPEG-1、2003年的MPEG-4 / AVC（H.264），2013年的MPEG-H / HEVC具有相同的特征（ H.265）。作为参考，在图像压缩的情况下，…
文本到SQL：将自然语言转换为SQL
文本到SQL是自动将自然语言转换为SQL的任务。我在底部分享的帖子是由Microsoft的Aerin Kim撰写的，它是关于Text-to-SQL的良好组织。在世界上，很多数据都是作为关系数据库构建的，在这个数据库中...
介绍NVidia Ampere架构
在学习深度学习算法时，GPU被认为是必不可少的，但是在模型训练完成后提供服务时，通常会使用CPU代替GPU。例如，经过一些优化过程后...
Speech2根据语音信号进行人脸预测
麻省理工学院的Speech2Face是一项通过语音信号生成说话者面部的研究。但是，它不使用一种模型执行语音到面对面的转换，而是将现有研究的结果用于不同目的进行组合以产生令人印象深刻的结果。 （第一作者现在是...
Google MixIT AI-无监督学习声源的分离
由Google推出的MixIT AI是一项技术，该技术从混合了多个声源的单声道音频中获得单独的声源。它可以看作是盲目的源分离任务，并且与现有技术不同，它具有在无监督（！）的情况下提供出色性能的功能。
算法仇恨和可解释的AI
在预测领域，Algorithm Aversion用于表示一旦意识到算法可能会犯错误，即使它比人工预测更好，也倾向于避免使用它。例如，人工智能面试，疾病预测，自动驾驶，人工智能……
Wav2Vec 2.0公开-创建具有10分钟语音的ASR
在对53,000小时的未标记数据进行了表示训练之后，发布了Facebook的wav2vec 2.0的预训练模型，该模型成为热门话题，因为它创建了仅带有10分钟标记数据的语音识别器。表示模型没有微调，...
MIT DriveSeg-data用于道路状况意识研究
这是DriveSeg的数据集，用于研究道路状况（用于自动驾驶汽车等）。对于视频的每一帧，整个图像都是逐像素的语义标记。标签是“车辆，行人，道路，人行道，自行车，摩托车，建筑物，...
引入无人驾驶技术和社会共识
尽管这是一个飞跃，但如果我看到在AI算法中添加物理设备是一种智能机器人，我认为未来将最受欢迎的智能机器人可能是自动驾驶汽车。我有点好奇，所以我对自动驾驶汽车进行了调查...
机器阅读理解（MRC）任务和数据集安排
迄今为止提出的许多MRC模型在各种任务和数据集中都显示出超越人类能力的评估值，但我认为在被问到时很难轻易说是，您是否比人类更了解给定的背景？优先，…
IBM的情感机器人直尾
这是IBM情感机器人Nao-mi的视频。 [内容提要]机器人说他不想与一个要求摧毁难以建造的塔的人打交道。机器人会按需求不断哭泣，并最终将其分解。观看视频，我的心很痛。心...
转移学习成为必要，而不是一种选择
据说，超大规模语言模型的代名词GPT-3的学习成本估计为40亿韩元，这是仅通过少量射击学习就可以将其应用于所有自然语言任务的可能性。 GPT-2约4000万韩元。无论可回收性有多高...
用于图像动画的一阶运动模型
摇滚明星（Rockstars）于2011年拍摄的电影《洛杉矶黑色》（Los Angeles Noir）使面部动画效果远胜于其他游戏，许多人对此感到惊讶。这时使用的技术称为MotionScan，基本上，演员在一个房间里，精心地放置了多个摄像头...
YouTube的发展导致知识失索引现象
随着数字化的到来以及Internet和Web的到来，知识被分发和存储在世界各地的服务器上，彼此连接并可以搜索，因此可访问性和可用性得到了极大的改善。使用搜索引擎，而不是从图书馆借书并按顺序阅读它...
Facebook上的Codec Avatar
已经发布了名为“ Codec Avatar”的Facebook数字人类项目的演示视频。与2019年的视频相比，这是增加的一部分，并且头像外观已更改为更逼真，并显示了无需标记即可跟踪整个身体的技术。 2019年3月...
GANimation-用一张图像创建面部表情的研究
它是GANimation的代码存储库，该技术可通过输入单个图像来创建可更改面部表情的动画。基本上，它是一个有条件的GAN，它使用FACS（面部动作编码系统）来描述面部的解剖运动。根据FACS，我们…
虚拟人：Saya项目
日本的虚拟人类项目，Saya项目。它是日语的，所以我无法理解所有的进度，但是视觉效果很高，表达很自然。将来，我们计划添加功能，例如增加人的情感，行为识别和对话。
Danbooru 2019-动画角色图像数据
介绍Danbooru 2019版本链接，这是一个动画角色图像数据库。大约有370万张图像，每个图像附有约29个标签。标签的示例包括“ 1girl”，“ solo”，“ long_hair”，“ highres”，“ smile”和“ open_mouth”…
苹果的超高分辨率VR耳机（iGlass？）
假设配备了类似AI的类人动物的类人角色得到了极大的改善，仅将它们显示在2D平面（例如计算机或智能手机屏幕）上并与鼠标，键盘和触摸进行交互将无法充分利用它们的潜力。我认为。牙科...
RAVDESS-多模态情感数据
有许多复杂的人类情感感知和表达方式（例如，愤怒的情感会影响面部表情，声音和语言），这是一个开放的数据集，其中音频视频捆绑在一起并进行了情感标记。瑞尔森...
神经网络技术通过人类记忆的特性
我最近阅读了有关人类能力和神经网络之间的关系的信息。尽管它出现在文章中，但是人脑和神经网络的运作方式有着相似的角落，但我认为它们不必相同。如果您建造潜水艇而不是模仿鱼来游泳...
糖果粉碎传奇的类似人的测试
来自著名游戏公司King的Candy Crush Saga是一款具有大量关卡的益智游戏。这是2018年的数据，但据说每周增加约15个水平。 （每年大约3700）我需要衡量难度和平衡水平...
复制品：情感聊天机器人
AI聊天机器人的主要任务是回答问题，例如解释产品信息，通知日程安排和检查天气。也许，如果最大限度地利用这些技术，人类的某些领域被称为“知识”。
合成媒体的未来（合成）
这是Synthesia博客上的一篇文章，该文章使用“ Synthetic media”一词将AI技术应用于媒体营销。该公司的主要领域是从另一个视频中转移视频中模型的面部表情和嘴唇形状，并将其合成（调整？）。
Rosebud.AI的虚拟模型综合技术
Rosebud.ai（https://rosebud.ai/）瞄准了市场营销市场，其技术可以在为营销活动创建的图像上创建和合成虚拟模型人脸。结果非常自然，可以随时更换模型面部而无需再次拍照...
Roblox如何优化Bert
大多数聊天机器人系统仍然基于规则运行，但是为了实现自然对话，最终将需要使用更复杂的语言模型，例如BERT。但是，人们已经认识到BERT既繁琐又复杂，但是游戏平台公司Roblox却...
TikTok的漫画过滤器
TikTok添加了一个过滤器，可将人脸实时转换为动画角色。金俊镐（Kim Joon-ho）制作的Selfie2Anime和UGatIT可以作为参考，但是TikTok的技术在完整性方面似乎已经达到相当高的水平。精致的脸...
