보고 듣는 것으로 말을 이해하는 AI
[서비스개발팀 한현준] 서론 사람들은 AI 스피커에서 난청 장애가 있는 사람들을 위한 도구 개발에 이르기까지 광범위한 음성 인식 및 이해 작업에 AI를 이용합니다. 그러나 이러한 음성 이해 시스템은 일상 상황에서 종종…
크리에이터를 위한 플랫폼
[서비스개발팀 한현준] 최근 엔비디아에서 AI 워크플로, 3D 디자인 협업 및 시뮬레이션 플랫폼 ‘Omniverse’를 RTX 제품을 사용하는 개인 크리에이터와 아티스트에게 무료로 제공한다고 발표했습니다.엔비디아 뿐만 아니라 메타(舊 페이스북)의 ‘Spark AR’, 틱톡으로 유명한…
AI 기술을 활용하여 아이들의 그림에 생명 불어넣기
[선행연구팀 정택현] 가끔, 아이들은 우리의 상상력을 뛰어넘는 놀랍고 창의적인 캐릭터들을 그려내곤 합니다. 이러한 아이들의 그림을 이해하기 위해서는 우리의 상식과는 조금 다른 이해방법이 필요합니다. 아이들의 그림을 살펴보면, 추상적이고 공상적인 방식으로 구성되는…
AI를 이용한 코로나 확진자 역학조사 시스템
[서비스개발팀 이현정] 지난 2019년 12월 이후부터 현재까지 인류는 팬데믹 상황에 처해 있고, 아직도 진행 중이며 끝날 줄 모르고 이어져오고 있다.오랜 팬데믹 상황으로 사람들의 이동이 제한되고, 사람과 사람과의 물리적 거리를 제제하여…
기억은 어디에 저장되는가?
[융합연구팀 전동준] “어제 홈스파 3편 보고 왔어요” 라고 누군가가 말한다면 여러가지 반응이 나올 수 있습니다. ‘홈스파’가 마블에서 제작한 스파이더맨 영화 시리즈의 약칭인 것을 모른다면 인터넷에 ‘홈스파’ 라는 키워드를 검색하여 무엇인지…
Semantic Segmentation
[서비스개발팀 권은지] 영상 분할(Semantic Segmentation) 기술은 컴퓨터 비전 분야에서 가장 핵심적인 요소 중 하나이며, 이미지 내의 픽셀별로 해당 픽셀이 어디에 속하는지 분류하는 문제입니다. 이 분야는 실생활에서 의료, 드론, 교통 분야에…
감정, 그리고 기본 감정
[융합연구팀 최현우] 여러분은 감정이라는 단어를 들으면 어떤 것들이 떠오르시나요? 예전부터 희로애락 (기쁨, 분노, 슬픔, 즐거움) 이라는 개념이 있었고, 감정 연구에 대해 조금 관심을 가지셨던 분이라면 Paul Ekman의 6가지 기본 감정…
Nvidia GPU Cloud: 도커 컨테이너를 사용한 딥 러닝
[서비스개발팀 임창대] 높은 정확도를 가진 딥러닝 모델 개발에는 긴 시간이 소요됩니다. 모델 훈련과 미세 조정, 최적화를 거치며 만족하는 모델을 만들기까지 수 주일 또는 수 개월이 걸릴 수 있습니다. NVIDIA NGC…
Microsoft _NUWA : Visual Synthesis Pre-training for Neural visUal World creAtion
[융합연구팀 송지현] Microsoft는 기존의 시각데이터(image and video)를 활용하여 새로운 시각데이터를 생성하고 조작할 수 있는 multimodal pretrained model인 NUWA를 발표했습니다. 아래 그림은 8개의 다운스트림에 대한 시각적 합성 기술을 연구한 결과입니다. 서로…
Let an AI paint for you – GauGAN2
[융합연구팀 심홍매] 2019년에 열린 GTC 컨퍼런스에서 Nvidia는 GAN(generative adversarial networks)을 기반으로 대략적인 스케치를 사실적인 이미지로 바꿔주는 실시간 AI 페인팅 애플리케이션인 GauGAN 을 발표하였습니다. 그로부터 2년이 지난 최근 NVIDIA는 GauGAN의 후속…
Kubernetes 기반 ML모델 관리 및 배포 툴 ‘KubeFlow’
[서비스개발팀 임창대] ML(Machine Learning) 은 최근 몇 년 동안 점점 더 많은 관심을 받아 이제 주류로 부상한 IT 주제 중 하나 입니다.ML 모델 학습은 API와 tool 이 너무 발전되어 더…
메타버스 붐을 냉소적으로 바라보는 또 하나의 시각
[선행연구팀 유희조] 최근 Google, Microsoft와 같은 월드 클래스의 빅테크 기업, 그리고 한국 내에 있는 많은 IT 업체들은 메타버스가 미래이며 메타버스 구축하겠다는 포부를 끊임없이 발표하고 있습니다. 그 중에 가장 큰 화두가…
Ego4D
[서비스개발팀 이현정] 페이스북이 지난 달인 10월, 차세대 AI 프로젝트인 1인칭 시점 AI 장기 프로젝트 ‘Ego4D’를 발표했습니다. 이 프로젝트를 위해 9개국 13개의 대학과 연구소로 구성된 컨소시엄을 조직해서, 700명이 넘는 참가자들의 일상…
Online 랜선 여행
[서비스개발팀 권은지] 랜선 여행이란 인터넷 연결선을 뜻하는 랜(Lan), 선(Cable) 그리고 여행(Trip)을 결합하여 인터넷으로 여행을 한다는 의미의 신조어입니다. 최근 국가 간 이동 제한이 완화되고 있지만 국제 관광산업은 여전히 부진한 상황인 것으로…
Meta의 Metaverse Vision
[선행연구팀 이정우] 28일 페이스북은 사명을 ‘메타’로 변경하면서, 메타버스의 성공이 회사의 목표임을 다시 한번 강하게 보여줬습니다. 단순히 계획이 아님을 보여주듯이, 메타의 자회사 오큘러스에서 신형 VR 헤드셋 ‘캄브리아’를 공개했습니다. VR 헤드셋은 메타버스…
Green AI
[융합연구팀 황준선] AI 기술은 비약적으로 발전해왔고, 우리는 많은 편의성을 제공 받고 있다. 심지어 이 AI 기술 분야 중에선 전력량을 예측하거나 탄소배출량 등을 예측하여 보다 효율적으로 에너지를 사용하거나 비축할 수 있도록…
네이버의 자동 채색 소프트웨어 (웹툰 AI 페인터)
[서비스개발팀 김병인] 네이버가 웹툰을 기반으로한 인공지능 채색 사이트를 오픈 했습니다. 밝혀진 정보에 따르면 네이버웹툰이 3년동안 연구,개발한 기술들을 접목하여 만들어졌다고 하는데 딥러닝 기반의 30만장의 데이터셋을 활용해 인물의 얼굴, 신체, 배경등 다양한…
사람 같은 AI, AI 같은 사람
[융합연구팀 전동준] 우리가 일반적으로 생각했었던 “AI 같은”의 의미는 사람과 대비되는 기계의 느낌이 강했습니다. 감정이 느껴지지 않고, 말투도 딱딱한 사람들을 “AI 같은 사람” 이라고 많이 표현했었습니다.
Deep learning? Optimized learning!
[선행연구팀 김성현] 자연어처리 분야에서 pre-trained language model (PLM) 전략이 훌륭한 성공을 거두자, 더 많은 데이터를 이용해 더 큰 PLM을 개발하는 것이 하나의 트랜드로 자리잡았습니다.그리고 얼마 전, NVIDIA에서는 GPT-3의 무려 4배…
Chatbot’s troubles
[서비스개발팀 한현준] 챗봇의 고민 OpenAI의 GPT-3, Google의 Meena, Facebook의 Blender 등 대형 자연어 처리 AI 모델은 인간의 언어를 실제 사람과 구별하기 힘들 정도로 모방했습니다. 그 기반엔 대형 웹사이트를 크롤링한 방대한…
현자의 돌
[융합연구팀 김무성] 최근 스탠포드의 연구자들이 “On the Opportunities and Risks of Foundation Models”라는 논문을 냈습니다 [1]. 여기서 Foundation Model이란 GPT-3와 같은 대규모 데이터로 사전학습된, 전이학습이 일어나는 딥러닝 모델을 말합니다. 자연어처리…
汇聚力量，汇聚风暴
【服务开发团队 Cho Ye-ji】美国人工智能研究协会（AAAI）前任主席 Eric Horvitz 博士和斯坦福大学的计算机科学家正在研究其影响2014年下半年人工智能.AI100(One…
搜索系统的进步和 NLP 的应用
[Convergence Research Team Ji-Hyun Song] LinkedIn 搜索系统的深度自然语言处理 我最近在学习 Rasa 开源时感受到了聊天机器人系统的结构和优化设计的应用效果。即使在其中，意图和实体……
人工智能 AutoML 人工智能
【服务开发团队韩贤俊】什么是AutoML AutoML字面意思是Auto + ML，一个自动化机器学习模型开发任务的过程。通过自动化在模型的研究和开发中花费大量时间的过程……
指令调优 – FLAN
【Convergence Research Team Shim Hongmae Shim】如果要选出2020年NLP领域的前10个关键词，当然是GPT-3（Language Models are few shot Learners）排名。时至今日，GPT-3庞大的参数量和出色的性能仍然在NLP领域......
卡车编队
[服务开发组 Lee Hyeon-jeong] 国土交通省 9 日举行了关于卡车列队技术开发最终成果的介绍会。演讲内容是对编队技术、基于V2X的编队车辆控制技术、基于手机APP的编队服务技术、编队商业化……
虚拟影响者趋势
[服务开发团队，Eunji Kwon] 影响者的字典定义是影响他人的人。随着当今单人媒体渠道的发展，任何人都可以通过上传有趣的内容成为创作者并成为所谓的明星。带着友善...
翻译器 2
[先前的研究团队 Hee-Jo Yoo] 从深度学习热潮的早期开始，翻译就是一个研究课题。现在在任何领域都使用的注意力，也是第一个提出的解决 Seq2Seq 结构问题的方法。在过去的 10 年里，基于深度学习的翻译器……
人工智能可以变成人吗？ 【策划面试】
人工智能可以变成人吗？ （专访Smilegate.AI服务开发团队经理Eunji Kwon）AI音箱播放符合我当天心情的音乐。自动驾驶汽车将自己移动到目的地。 AI偶像和我说唱跳舞...
没有激光雷达能实现自动驾驶吗？
【服务开发组金炳仁】特斯拉最近决定发布北美销售的Model 3和Model Y的雷达。由于激光雷达已经被排除在外，我们宣布自动驾驶将仅通过汽车上的摄像头和人工智能技术实现。到目前为止，有两个传感器：激光雷达和雷达……
人工智能成为现实，特斯拉人工智能日
[前研究团队，Jeongwoo Lee] 在 2019 年举办的 Tesla Autonomy Day 上，介绍了技术和方向，重点是“自动驾驶”技术。今年，作为特斯拉AI日的名称，今年，众所周知的全视觉自动驾驶人工智能，符合“人工智能”的技术主题……
Copilot，帮助编码的人工智能
【前期研究团队Seonghyun Kim】在自然语言中引起极大轰动的因果语言模型（例如GPT-3），现在已经被应用到自然语言之外的编程语言！ 🤗 去年六月，Github 和 OpenAI 联合开发的 Copilot 发布了。Copilot 就像自然语言中的 GPT-3，给定代码……
类人人工智能
[服务开发组 Cho Ye-ji] 当我们定义像正常人一样的 AI 时，我们说它是像人一样行动和像人一样思考的 AI。每个人期望的AI的形态和形式都不一样，但是为了实现很多人所追求的AI，各种各样的……
针对 AGI 的强化学习
[先前的研究团队 Hyunwoo Choi] 去年 5 月，DeepMind 发表了一篇名为“奖励就足够了”的强化学习论文。作者给出了“一只试图增加饱腹感的松鼠”和“一个试图保持清洁的厨房机器人”的例子，如果定义了适当的奖励，则与智力相关（认知、...
Droidlet：开发智能机器人的开源平台
[Service Development Team Jeon Jeon-jun] Facebook AI 于上个月 28 日推出了可在真实和虚拟环境中使用的机器人开发 Droidlet 平台。
托管机器学习平台 Vertex AI
[服务开发团队 Lim Chang-dae] 'Vertex AI' 在 5 月的 Google 开发者大会 IO 上亮相。 Vertex AI 是 Google Cloud 的一项托管云服务，它集成了 AutoML 和 AI Platform。
Blender 2.0 克服了开放域聊天机器人的局限性
[Jihyun Song 前期研究团队] 对 Open Domain chatbot 感兴趣并接触 Blender 1.0 和 Meena 的论文已经有 2 年多了。当时，他们进行了长时间的持续对话，他们声称将来会克服，而且他们……
我的金手
【服务开发组Jo Ye-ji】NFT X Metaverse 自今年3月以来，NFT X Metaverse作为科技和投资关键词一直是最热门的话题。随着现实世界和虚拟世界的界限越来越模糊，它自然是无形的，作为元宇宙的延伸……
多模态小样本学习器
【前研究组Hongmae Shim】随着Open AI 的GPT-3 和NAVER 的Hyper CLOVA 等超巨型语言模型的发布，最近使用它们的各种示例和服务不断涌现。这么庞大的语言……
MLP歌手
[优先研究团队 Hee-Jo Yoo] TTS（文本到语音）是一种在输入任意文本时将文本转换为特定语音的技术。谷歌发布 Tacotron 系列后，迅速从基于 HMM（隐马尔可夫模型）转向基于深度学习，现在已经商业化了……
Tensorflow VS Pytorch
[服务开发团队 Hyeonjun Han] 介绍 Tensorflow 和 PyTorch 是最流行的机器学习库。开发 AI 服务的开发人员或研究模型的研究人员在开始时常常面临选择图书馆的困难。此外，随着库版本的上升......
永恒的光芒照耀着无罪的心
[前期研究组金武成] 永远的阳光导演米歇尔·冈瑞的电影《永远的阳光》是一部浪漫的科幻电影，讲述了金凯瑞和凯特温斯莱特夫妇的回忆和离别。电影中，抹去记忆的技术问世了……
用于解决现实世界问题的强化学习环境
[之前的研究团队，Jeongwoo Lee] 长期以来，我们一直在使用游戏（围棋、国际象棋、雅达利游戏等）来验证强化学习算法的性能。随着算法的发展，在强化学习领域，和其他图像、自然语言领域一样，有...
开源 GPT-3 模型发布，GPT-J-6B
[优先研究团队 Seonghyun Kim] 正在开放许可下发布 GPT-3 模型的 Eleuther AI 团队最近发布了一个新的 GPT-3 模型，具有 6B（约 60 亿）参数。 (Link) 据说GPT-J-6B这个名字是因为使用了Mesh-tensorflow和JAX。训练数据大约是……
主动学习的学习损失
[服务开发团队，Kyunghwan Lee] 我们在学习模型的过程中经常会遇到未标记的数据包，经常会遇到数据标注的问题。标记所有未标记的数据既费时又费钱……
MLOps：机器学习的持续部署和自动化管道
【服务开发组 Lim Chang-dae】在 DevOps 出现之前，每个公司都有自己的服务器，称为内部部署服务器，并且有单独的服务器管理员、开发人员和 QA。在这种情况下，如果无法连接服务，请购买实际的物理服务器，制作机架，并设置服务器......
Unity ML-Agents v2.0
[Service Development Team Jeon Jeon-jun] Unity 推出的 ML-Agents 是一款开源工具，可为游戏环境创建虚拟角色。您可以创建游戏环境，并通过强化学习等算法学习可以在环境中运行的NPC角色（Agents）。...
时序数据分析_TadGAN
[先前的研究团队，Ji-Hyun Song] MIT 研究团队开发的 TadGAN 算法在通过分析时间序列数据来检测异常方面的性能比之前已知的模型具有更好的性能。目前，很多研究异常检测的公司都在
机器可以思考吗？情感上
[服务开发团队，恩恩权（Eunji Kwon）]小时候，当我发挥想象力时，外太空机器人是最喜欢的材料。回顾过去，从动画片（Galaxy Railroad 999）到人工智能计算机的负责人，这些计算机将火车运送到最近发行的Humanoid电影，人工智能是媒体的重要组成部分...
[Hyper CLOVA]-韩国首个“超大型AI”
[Lead Research Team Hongmae Shim] NAVER在25日举行的“ NAVER AI NOW”在线会议上首次展示了韩国首款“超大型AI” Hyper CLOVA，这是韩国自行开发的GPT-3。借助开放式AI GPT-3，很难使用英语以外的语言...
LaMDA-Google的会话语言模型
[服务开发团队Kim Byung-in]在Google I / O 2021上，展示了展示最新Google技术，Android，Web，AI，Chrome和其他技术，服务以及平台服务的活动。在众多技术中，最热门的话题是LaMDA（Google的语言…
MoveNet：JavaScript姿势估计器
[前研究团队Yoo Hee-jo]姿势估计是一种视觉处理技术，用于跟踪视频中字符的移动。提取并连接通常与面部标志相似的身体标志，以描述整个身体的姿势。大多数…
数据专家的价值
[服务开发团队Jeon Jeon Jeon]受Corona 19加速的公司的数字化转型继续增加数据的价值。各个行业以及专业的IT公司对变更的需求正在为数据专家筹集赎金。
持续强化学习
[前研究团队Jeongwoo Lee]最近的强化学习表明，AI代理可以在各种任务中压倒人类的表现。但是，与人类相比，未经学习的AI代理需要大量时间来学习并将其概括为各种任务...
MetaHuman Creator-虚幻引擎
[服务开发团队Byungin Kim] MetaHuman Creator是Epic Games最近发布的一种数字化人类创作工具。它看起来类似于MMORPG游戏的角色创建，但是要实现这样的实时数字人非常困难，这是一项非常耗时的任务。
语言模型中的自然语言生成策略
[Sung-Hyeon Kim前研究团队]最新的语言模型是使用大型语料库学习的。特别是，对于使用解码器神经网络的模型（例如GPT-2，BART和T5模型），可以通过重复采样下一个标记来生成自然语言。这是采样的方法...
记录生活日志
[服务开发团队Eunji Kwon]生命日志这个词将生命和日志结合在一起，“当我们可能”为1945年美国国家科学技术研究院所长Baneva Bush贡献了“大西洋月刊”在文章“思考”中首次提到。他说，人们以任何形式过着图片的生活。
图形转换器：用于结构化数据的转换器
近来，被应用于自然语言处理领域的变压器不仅被应用于文本，而且还被应用于图像，视频等各种数据，表现出优异的性能。但是，文本，图像和视频分别是1D，2D，3D…
基于GPT-3的游戏NPC演示
将10年前的游戏与当前的游戏进行比较，存在很多差异，尤其是在图形方面。例如4K或更高分辨率，复杂的图形纹理，自然的3D模型动画，物理引擎，光引擎等。
HyperGAN：用于手机的GAN开源项目
当前在手机上运行的大多数装饰应用程序（例如Snow和Line Camera）以提取面部地标并覆盖先前创建的对象的形式运行。此外，近年来，各种图像处理技术（例如美容滤镜）...
软件政策研究所Metaverse报告
Metaverse，这意味着虚拟环境中现实与连接的化身之间的所有形式的交互，最近引起了各行各业的关注。特别是从Corona 19开始的全球非面对面环境极大地增加了对metaverse的需求...
GPT-新开源GPT-3项目
OpenAI的GPT-3是一种大型语言模型，参数计数高达175B。尽管GPT-3取得了令人惊讶的结果，但它不是开源的，因此，如果您要尝试它，可以尝试AI Dungeon（https://play.aidungeon.io/main/landing）或Philosopher AI（https：/ /philosopherai.com/）。）通过诸如...的网站
图神经网络的应用
图神经网络（GNN）逐渐成为AI的新领域。 GNN是一种神经网络技术，当数据以图形表示时，该技术可以有用地应用，图形是由许多节点和边连接的结构，但就技术成熟度而言...
ImageNet和隐私
ImageNet是一个数据集，它极大地影响了AI技术的发展，因此没人知道AI研究人员。该数据集由大量图像及其元数据组成，包含大约1400万张图像...
GAN模型（GANSpace）的可分析控制方法
作为基于深度学习的图像生成方法，GAN产生了许多惊人的结果。特别是，由于潜在向量可以在学习后进行更改，因此有可能具有多种有意义的含义进行更改，因此潜在空间只是随机的...
吸引$40M系列B拥抱面
有消息称，以基于深度学习的自然语言处理开源而闻名的Hugging Face吸引了$40M B系列投资。 Hugging Face Transformer可能是自然语言处理中最受欢迎的开源项目之一...
适用于移动设备的AI项目的集合（Awesome Tensorflow Lite）
Tensorflow Lite是一个软件包，其中包含一些工具，这些工具允许使用Tensorflow训练的AI模型在移动设备上运行。据说它现在在超过40亿个设备上运行。基本上，训练后的模型将转换为Tensorflow Lite…
基于深度学习的Jina-开源多模式搜索引擎
Jina由Jina.AI开源，是使用深度学习技术的多模式数据搜索引擎。它不仅实现了一些搜索功能，还包括可以轻松应用于服务的整个系统，而不仅仅是文本……
人工智能与游戏（书）
基于深度学习的最新AI技术正在诸如语音识别，语音合成，翻译，聊天机器人和智能工厂等各个领域中积极引入，但是在游戏领域中尚无全面应用的案例。斯普林格（Springer）出版的书…
基于生成模型的Google Lyra语音压缩
Google Lyra是基于生成模型的一种新的语音压缩方法，现有的语音压缩方法极大地提高了原始声音质量，即获得透明质量大约需要8-16kbps，因此3kbps较低。
预计2021年的AI市场规模约为$328B（IDC）
以其在各个领域的市场分析而闻名的IDC已发布了有关AI市场规模的预测。以下是相关链接：根据公告数据，预计2021年的AI市场规模约为$328B，并且直到2024年，它将继续以17.5%的复合年增长率...
Avatarify - 将实时头像添加到视频通信中
Avatarify是一个将实时头像动画功能添加到各种视频通信程序（例如Zoom，Team，Hangout和Skype）的程序，并且是开源的。它以替换视频通信程序的摄像机输入的形式开发，并且该算法使用一阶运动模型。
DensePhrases-近实时Wikipedia开放域问答
DensePhrases是高丽大学的Jinjinuk Lee创建的一种开放域问答技术，已发表为题为“大规模学习短语的密集表示”的论文。这是该论文的链接：提出问题时，近600亿个Wikipedia段落中最合适的段落…
自然语言和语音识别框架的整合趋势
以其集成的自然语言处理程序包而闻名的HuggingFace增加了语音识别。以下是相关链接：具体来说，添加了由Facebook开发的Wav2Vec 2.0，Wav2Vec 2.0首先使用大量未标记的数据来进行无监督学习，并且非常…
MeInGame-通过照片创建3D模型
通过单张照片创建3D模型的技术已经以MeInGame的名称公开。查看上传到公共存储库的结果，如果没有设计者的工作，它还不足以应用于服务，但是它将大大减少初始建模工作……
PapersWithCode的韩国数据集
Paperswithcode提供有关AI，链接的开源和SOTA领域的各种论文的信息，并提供了3,000多个有用数据集的链接。其中，有851个文本数据集，仅限于韩语...
KakaoBrain集成的自然语言框架的Pororo
在Kakao Brain中，Pororo是一个能够响应各种自然语言任务的集成自然语言框架，已作为开源发布。 Pororo代表自然语言处理的神经模型平台，您可以将其视为与HuggingFace相似的目的。 Pororo ...
RepVGG：残差网络的新解释
自从由多层卷积层组成的AlexNet问世以来，已有许多关于深度学习模型结构的研究。例如，Google Inception使用具有不同内核大小的卷积层，例如3×3、5×5和7×7…
大型模型的内存优化技术
随着深度学习模型的参数数量显着增加，训练所需的内存也随之增加。 OpenAI的GPT-2由1.5B参数组成，而Google的mT5也具有13B参数。另外，OpenAI的GPT-3的参数数量...
AI研究中要考虑的五种大脑功能
诚然，人工智能领域已经取得了很大进步，但与人类相比仍然存在许多缺点。如果AI的最终目标是模仿人脑执行的所有功能，那么人脑可以执行……
OpenAI DALL-E：从文本创建图像
OpenAI发行的DALL-E是一种可以从自然语言文本生成图像的技术。以前，存在用于相同目的的技术，例如StackGAN和OP-GAN，但DALL-E的优势在于最终结果的质量非常出色，因为它是基于GPT-3（一种超大规模语言模型）制成的。
DeBERTa：在SuperGLUE中超越人类表现
SuperGLUE是一项挑战，需要针对各种自然语言理解任务评估AI技术的性能。与现有的GLUE相比，它具有较高的难度，并且微软最近宣布的DeBERTa模型实现了SOTA（最先进）并进行了评估。
2021年AI的下一步是什么？
自从2012年开始认真学习深度学习以来，人工智能技术已经在许多领域超越了现有技术的性能。尽管环境有限，但2015年的Atari游戏，2016年的图像识别和Go，皮肤癌诊断和语音…
开放域聊天机器人“ Luda”育儿日记：从出生到内测的记录
最近发布的官方版本的Scatterlab的“ Luda”（https://scatterlab.co.kr/）是一个基于数十亿KakaoTalk对话数据学习的开放域聊天机器人，任何人都可以通过Facebook Messenger进行聊天。被开发为ScatterLab首席执行官Jongyoon Kim在DEVIEW 2020上发布的视频是...
用口头信息诊断阿尔茨海默氏症的技术
痴呆是一种大脑活动过多以至于干扰日常生活的现象，阿尔茨海默氏症是导致痴呆的最大原因之一，约占60%-80%。在史蒂文斯理工学院，阿尔茨海默氏症的病情...
开源聊天机器人框架：Kochat，Rasa，Rocket Chat
KoChat是由Hyunwoong Ko发布的韩国开源聊天机器人框架。这是KoChat github存储库：在谈论聊天机器人时，人们通常只想到对话模型，但实际上，从产品的角度来看，它是聊天机器人，机器学习算法仅占其中的一小部分。
FrankMoCap：3D身体和手部姿势估计技术可替代运动捕捉
Facebook AI Research（FAIR）发布的一项技术FrankMocap负责从单个图像或视频中提取3D模型的姿态。特别是它的特点是不仅可以估计身体，而且可以估计手的形状。
数字人平台公司
数字人平台是一种将各种AI技术与具有人形外观的化身相结合的形式。随着AI对话技术和可视化技术的发展，当前出现了许多数字人平台公司，其中...
人工智能趋势和游戏应用实例
这是一份总结了AI趋势和游戏公司AI技术应用案例的报告。大致的目录如下：AI是…人工智能市场和主要参与者技术与服务游戏特定方法游戏应用示例
韩国亵渎数据
我们分享了Joonhee Jo收集并标记的一组韩国亵渎数据。它是从多个社区收集的，似乎适合评估实际数据。下面是数据集的描述：数据描述对该句子是否在滥用进行分类...
BERTology能听懂语言吗？
以BERT为代表的基于深度学习的大规模语言模型在与自然语言相关的各种任务中表现出优异的性能，例如问答，文档摘要，文档生成和对话，特别是最近出现的GPT-3是一种人工通用情报（AGI）。
聚集镇：虚拟空间与视频会议
Gather Town是一种视频会议解决方案，例如Zoom和Teams，但它的特点是积极引入虚拟空间和虚拟形象。例如，我们创建了一个名为“办公室”的虚拟空间，每个参与者在虚拟空间内都具有唯一的化身和“座位”。
UnifiedQA：单个模型可响应多个问答任务
由于最近的深度学习技术，为给定问题生成适当答案的QA任务获得了许多性能提升。众所周知的SQuAD就是这样的任务之一。顺便说一下，该模型是针对每个任务训练的。
从段落中产生问题的技巧
问题通常被称为问答任务，旨在从成对记录问题和答案的数据集中学习，以便在提出问题时生成适当的答案。您可以想到一个聊天机器人，但问题的产生与本段不同...
POSTECH STUDIOGAN：GAN算法库
StudioGAN是由浦项大学CVLab康敏国发布的基于pytorch的开源库，并且实现了各种GAN算法。包含的GAN算法包括许多主要算法，例如DCGAN，LSGAN，WGAN等。
FACEBOOK REBEL展示了超越人类的扑克技巧
毫不夸张地说扑克是一种心理游戏，因此它与围棋或国际象棋不同。我认为Facebook这次发布的ReBeL在这方面非常出色。特别是，它的特点是像RAG一样，一起使用强化学习和搜索。
CYBERPUNK 2077中使用的JALI面部动画技术
赛博朋克2077计划于2020年末由以巫师系列而闻名的CD PROJEKT RED工作室推出，它使用JaliResearch的面部动画技术。主要目的是允许3D角色做出各种面部表情并适应多语种的声音...
MindMeld对话式AI平台
MindMeld是旨在确保可服务质量的开源交互式AI平台。它是用Python编写的，包括最新的NLP技术和基于知识的问答引擎。这是MindMeld平台的大致架构：…
2020年AI状况报告
这是2020年AI状况报告，该报告分析了AI领域的各种变化。该报告由AI投资者Nathan Benaich和Ian Hogarth每年撰写，这是他们的第三年。五个以下...
2区NPC AI改进方向
Division 2是由Massive Entertainment开发并由Ubisoft发行的在线动作RPG，位于华盛顿特区，在那里天花很流行。玩家扮演着与政府特工一起建设新城市的角色。大众娱乐总监…
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...