La liste des projets d'IA les plus chauds de Github pour juillet a une suite ! Nuwa Unlimited Edition ne peut être classé que troisième ?

La deuxième édition de la liste des recherches sur l’IA les plus populaires de juillet est arrivée !

La liste précédente a été triée en fonction des likes Twitter, des retweets et des stars de Github. Cependant, certains internautes se sont plaints du fait que le nombre de likes Twitter peut être brossé par machine et que les utilisateurs qui aiment Twitter ne savent pas nécessairement comment faire des recherches.

Cette fois, l'auteur @bycloudai a appris par expérience. Cette fois, l'indicateur n'est pas nécessairement le nombre de likes sur Twitter, mais le nombre d'étoiles sur Github.

Bien que les indicateurs cette fois ne soient pas très professionnels, par rapport à Twitter, le nombre de personnes pouvant visiter Github peut être considéré comme plus étroitement lié à la recherche sur l'IA.

De plus, l'auteur a également précisé au début de la liste que cette liste est une liste sauvage qu'il a faite pour le plaisir et uniquement à des fins de divertissement.

Cela dit, cette « Liste des suites » conserve essentiellement le style du numéro précédent. Les 10 premiers reçoivent l'adresse de la bibliothèque de ressources, le lien de l'article, le titre, l'auteur et l'unité de publication.

Jetons un coup d'œil aux recherches qui figurent sur la liste des recherches sur l'IA les plus en vogue en juillet dans cette "version améliorée" ~

Top1 : YOLOv7 : un sac de cadeaux entraînables établit un nouvel état des lieux l'art des détecteurs d'objets en temps réel

Auteur : Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao Institution : Institut des sciences de l'information "Academia Sinica" Github Stars : 3,8k

Résumé : YOLOv7 surpasse tous les détecteurs d'objets connus en termes de vitesse et de précision de 5FPS à 160FPS, et possède la plus haute précision de tous les détecteurs d'objets en temps réel au-dessus de 30FPS sur GPU V100 à 56,8% AP. Le détecteur d'objets YOLOv7-E6 (56 FPS V100, 55,9 % AP) est 509 % plus rapide et plus précis que le détecteur basé sur transformateur SWIN-L Cascade-Mask R-CNN (9,2 FPS A100, 53,9 % AP).

Il convient de mentionner que Chien-Yao Wang, l'un des auteurs de cet article, est un étudiant diplômé en ingénierie machine à l'Université de Columbia et est maintenant ingénieur logiciel Chrome chez Intel. ： 2Top2 : SYNTHÈSE GUIDÉE PAR Texte d'images artistiques avec des modèles de diffusion augmentés par récupération

Auteur : Robin Rombach, Andreas Blatmann et Bjorn Ommer Mécanisme : Ludwig Maxici Ludwig-Maximilians-Universität München

Github Stars : 2.4 k

Résumé : De nouvelles architectures ont récemment amélioré la synthèse d'images génératives, permettant une vision supérieure dans une variété de tâches de qualité. Il convient de noter en particulier le domaine de « AI-Art ». En combinant des modèles de synthèse vocale et d'images, ce que l'on appelle « l'ingénierie des repères » a été créée, dans laquelle des phrases soigneusement sélectionnées et combinées sont utilisées pour obtenir un certain style visuel dans les images synthétisées.

Cet article propose une approche alternative basée sur le modèle de diffusion améliorée (RDM) de récupération. Dans RDM, un ensemble de voisins les plus proches est récupéré à partir d'une base de données externe lors de la formation pour chaque instance de formation, et le modèle de diffusion est conditionné sur ces échantillons informatifs.

Jetons un coup d'œil à l'effet des œuvres AI-Art dans le journal ~

Top3 : NUWA-Infinity : Autorégressif sur AutorégressifGénération pour une synthèse visuelle infinie

Auteurs : Wu Chenfei, Liang Jian, Xiaowei Hu et autres institutions : Microsoft Research Asia, Peking University, Microsoft Azure AIGithub Stars : 2,4k

Au troisième rang se trouve le chef-d'œuvre de l'IA entièrement chinois, NUWA INFINITY, qui a déjà attiré beaucoup d'attention.

4, Former les transformateurs ensemble (1 000 étoiles)

Auteurs : Alexander Borzunov, Max Ryabinin, Tim Dettmers et d'autres institutions : École supérieure d'économie de l'État de Russie, Université de Washington , etc.

5. Theseus : Une bibliothèque pour l'optimisation non linéaire différenciable (791 étoiles)

Auteur : Luis Pineda, Taosha Fan, Maurizio Monge Organisation : Meta AI, Reality Labs Research

6, k-means Mask Transformer (704 étoiles)

Unité de publication : Johns Hopkins University, bibliothèque de ressources de recherche Google : https://github .com/google-research/deeplab2 article : https://arxiv.org/abs/2207.04044v1

7, XMem : segmentation d'objets vidéo à long terme avec un modèle de mémoire Atkinson-Shiffrin (699 étoiles)

Unité de publication : Université de l'Illinois à Urbana-Champaign Bibliothèque de ressources : https://github.com/hkchengrex/XMem Article : https://arxiv.org/abs/2207.07115v2

8. TinyViT : Distillation de pré-entraînement rapide pour les petits transformateurs de vision (656 étoiles)

Unité de publication : Microsoft Research, Microsoft Cloud + AI Resource Library : https://github.com/microsoft/ papier crème : https://arxiv.org/abs/2207.10666v1

9, Vers une grande unification du suivi des objets (644 étoiles)

Unité de publication : Université de technologie de Dalian, Mots Jie Doi, Université de Hong Kong, Laboratoire Pengcheng

Bibliothèque de ressources : ttps://github.com/masterbin-iiau/unicorn Papier : https://arxiv.org/abs/2207.07078v3

10, Multiface : un ensemble de données pour le rendu neuronal du visage (337 étoiles)

Unité de publication : Bibliothèque de ressources du Meta Reality Laboratory : https://github.com/facebookresearch/multiface Article : https://arxiv.org/abs/2207.11243v1

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!