一句話為影片加特效；迄今為止最全昆蟲大腦圖譜

目錄：

1. #Composer: Creative and Controllable Image Synthesis with Composable Conditions
2. Structure and Content-Guided Video Synthesis 與 Diffusion Models
3. The connectome of an insect brain
4. Uncertainty-driven dynamics for active learning of interatomic potentials
5. Combinatorial synthesis for AI-driven materials discovery
6. Masked Images Are Counterfactual Samples for Robustine -tuning
7. One Transformer Fits All Distributions in Multi-Modal Diffusion at Scale 
8. ArXiv Weekly Radiostation：NLP、CV、ML 更多精選論文（附音訊）

論文1：Composer: Creative and Controllable Image Synthesis with Composable Conditions

• #作者：Lianghua Huang 等
• #論文網址：https://arxiv.org/pdf/2302.09778v2.pdf

摘要：在AI 繪畫領域，許多研究者都在致力於提升AI 繪畫模型的可控性，也就是讓模型生成的圖像更加符合人類要求。前段時間，一個名為 ControlNet 的車型將這種可控性推上了新的高峰。大約在同一時間，來自阿里巴巴和螞蟻集團的研究者也在同一領域做出了成果，本文是這項成果的詳細介紹。

#建議：AI 繪畫新想法：國產開源50 億參數新模型，合成可控性、品質實現飛躍。

論文2:Structure and Content-Guided Video Synthesis 與 Diffusion Models

• 作者：Patrick Esser 等
• #論文網址：https://arxiv.org/pdf/2302.03011.pdf

#摘要：

相信很多人已經領會過生成式AI 技術的魅力，特別是在經歷了2022 年的AIGC 爆發之後。以Stable Diffusion 為代表的文本到圖像生成技術一度風靡全球，無數用戶湧入，借助AI 之筆表達自己的藝術想像……

相比於圖像編輯，視頻編輯是一個更具有挑戰性的議題，它需要合成新的動作，而不僅僅是修改視覺外觀，此外還需要保持時間上的一致性。在這條賽道上探索的公司也不少。前段時間，Google發布的 Dreamix 以將文字條件視訊擴散模型（video diffusion model, VDM）應用於影片編輯。

近日，曾參與創建Stable Diffusion 的Runway 公司推出了一個新的人工智慧模型“Gen-1”，該模型透過應用文字prompt 或參考圖像指定的任何風格，可將現有影片轉化為新影片。例如將「街上的人」變成「黏土木偶」，只需要一行 prompt。

• 推薦：加上特技只需一句話or 一張圖，Stable Diffusion 的公司把AIGC 玩出了新花樣。
• 論文3：The connectome of an insect brain

作者：MICHAEL WINDING 等

###論文網址：https://www.science.org/doi/10.1126/science.add9330############ #########摘要：###研究人員完成了迄今為止最先進的昆蟲大腦圖譜，這是神經科學領域的里程碑式成就，使科學家更接近對思考機制的真正理解。 ######

由約翰斯・霍普金斯大學和劍橋大學領導的國際團隊製作了一張驚人的詳細圖譜，描繪了果蠅幼蟲大腦中的每一個神經連接，這是一個與人類大腦相當的原型科學模型。該研究可能會支持未來的大腦研究並激發新的機器學習架構。

#推薦：迄今為止最全昆蟲大腦圖譜，可能激發新的機器學習架構。

論文4：Uncertainty-driven dynamics for active learning of interatomic potentials

• 作者：Maksim Kulichenko 等
• 論文網址：https://www.nature.com/articles/s43588-023-00406-5

#摘要：機器學習(ML) 模型，如果針對高保真量子模擬的資料集進行訓練，可以產生準確且高效的原子間勢。主動學習 (AL) 是迭代產生不同資料集的強大工具。在這種方法中，ML 模型提供了不確定性估計值及其對每個新原子構型的預測。如果不確定性估計超過某個閾值，則該構型將包含在資料集中。

近日，來自美國洛斯阿拉莫斯國家實驗室的研究人員制定了一種策略：主動學習的不確定性驅動動力學(UDD-AL)，以更快地發現有意義地擴充訓練資料集的構型。 UDD-AL 修改了分子動力學模擬中使用的位能面，以支持存在較大模型不確定性的構型空間區域。 UDD-AL 的表現在兩個 AL 任務中得到了證明。下圖為甘胺酸測試案例的 UDD-AL 和 MD-AL 方法比較。

# 推薦：Nature 子刊| 不確定性驅動、用於主動學習的動力學用於自動採樣。

論文5：Combinatorial synthesis for AI-driven materials discovery

• 作者：John M. Gregoire 等
• 論文地址：https://www.nature.com/articles/s44160-023-00251-4

摘要：合成是固態材料實驗的基石，任何合成技術都必然涉及改變一些合成參數，最常見的是成分和退火溫度。 「組合合成」通常是指自動化 / 並行化材料合成，以創建具有一個或多個合成參數系統變化的材料集合。人工智慧控制的實驗工作流程對組合合成提出了新的要求。

在此，加州理工學院的研究人員概述了組合合成，設想了由組合合成和 AI 技術的共同開發所推動的加速材料科學的未來。並建立了評估不同技術之間權衡的十個指標，涵蓋速度、可擴展性、範圍和品質。這些指標有助於評估一項技術對給定工作流程的適用性，並說明組合合成的進步將如何開創加速材料科學的新時代。如下為組合合成平台的合成指標及各自評估。

#推薦：Nature Synthesis 綜述：人工智慧驅動材料發現的組合合成。

論文 6：Masked Images Are Counterfactual Samples for Robust Fine-tuning

• 作者：Yao Xiao 等
• 论文地址：https://arxiv.org/abs/2303.03052

摘要：中山大学人机物智能融合实验室（HCP）在 AIGC 及多模态大模型方面成果丰硕，在近期的 AAAI 2023、CVPR 2023 先后入选了十余篇，位列全球研究机构的第一梯队。其中一个工作实现了用因果模型来显著提升多模态大模型在调优中的可控及泛化性 ——《Masked Images Are Counterfactual Samples for Robust Fine-tuning》。

推荐：中山大学 HCP 实验室新突破：用因果范式再升级多模态大模型。

论文 7：One Transformer Fits All Distributions in Multi-Modal Diffusion at Scale

• 作者：Fan Bao 等
• 论文地址：https://ml.cs.tsinghua.edu.cn/diffusion/unidiffuser.pdf

摘要：该论文提出了一个为多模态设计的概率建模框架 UniDiffuser，并采用该团队提出的基于 transformer 的网络架构 U-ViT，在开源的大规模图文数据集 LAION-5B 上训练了一个十亿参数量的模型，使得一个底层模型能够高质量地完成多种生成任务（图 1）。简单来讲，除了单向的文生图，还能实现图生文、图文联合生成、无条件图文生成、图文改写等多种功能，大幅提升文图内容的生产效率，也进一步提升了生成式模型的应用想象力。

推荐：清华朱军团队开源首个基于 Transformer 的多模态扩散大模型，文图互生、改写全拿下。

ArXiv Weekly Radiostation

机器之心联合由楚航、罗若天、梅洪源发起的ArXiv Weekly Radiostation，在 7 Papers 的基础上，精选本周更多重要论文，包括NLP、CV、ML领域各10篇精选,并提供音频形式的论文摘要简介。

本周 10 篇 NLP 精选论文是：

1. GLEN: General-Purpose Event Detection for Thousands of Types.  (from Martha Palmer, Jiawei Han)

2. An Overview on Language Models: Recent Developments and Outlook.  (from C.-C. Jay Kuo)

3. Learning Cross-lingual Visual Speech Representations.  (from Maja Pantic)

4. Translating Radiology Reports into Plain Language using ChatGPT and GPT-4 with Prompt Learning: Promising Results, Limitations, and Potential.  (from Ge Wang)

5. A Picture is Worth a Thousand Words: Language Models Plan from Pixels.  (from Honglak Lee)

6. Do Transformers Parse while Predicting the Masked Word?.  (from Sanjeev Arora)

7. The Learnability of In-Context Learning.  (from Amnon Shashua)

8. Is In-hospital Meta-information Useful for Abstractive Discharge Summary Generation?.  (from Yuji Matsumoto)

9. ChatGPT Participates in a Computer Science Exam.  (from Ulrike von Luxburg)

10. Team SheffieldVeraAI at SemEval-2023 Task 3: Mono and multilingual approaches for news genre, topic and persuasion technique classification.  (from Kalina Bontcheva)

本周 10 篇 CV 精选论文是：

1. From Local Binary Patterns to Pixel Difference Networks for Efficient Visual Representation Learning.  (from Matti Pietikäinen, Li Liu)

2。類別級多部件多關節 3D 形狀組裝。 （取自 Wojciech Matusik、Leonidas Guibas）

3。 PartNeRF：無需 3D 監督即可產生零件感知的可編輯 3D 形狀。 （出自列奧尼達斯·吉巴斯）

4。探索多視圖 3D 感知的循環長期時間融合。 （出自張翔宇）

5.抓住您所需要的：透過靈活的組件審議重新思考複雜的表結構識別。 （來自劉冰）

6。使用視覺和語言模型進行統一視覺關係偵測。 （出自楊明軒）

7.透過 Reliable Bank 進行水下影像恢復的對比半監督學習。 （來自劉歡）

8。 InstMove：用於以物件為中心的視訊分割的實例運動。 （來自白向，Alan Yuille）

9. ViTO：視覺變壓器操作員。 （來自喬治·艾姆·卡尼亞達基斯）

10。開放詞彙分割和檢測的簡單框架。 （摘自高劍鋒、張雷）

##本週第 10 篇 ML 精選論文是：

1.透過超球面均勻性間隙概括和解耦神經崩潰。 （出自 Bernhard Schölkopf）

2。 AutoTransfer：具有知識遷移的 AutoML－圖形神經網路的應用。 （來自 Jure Leskovec）

3。關係多工學習：對資料和任務之間的關係進行建模。 （取自 Jure Leskovec）

4。可解釋的異常值總結。 （來自塞繆爾·馬登）

5。基於視覺提示的個人化聯邦學習。 （摘自陶大成）

6. NOvA 使用稀疏 CNN 和 Transformer 進行中微子物理的可解釋聯合事件粒子重建。 （來自皮埃爾·巴爾迪）

7。 FedLP：用於通訊計算高效聯邦學習的分層剪枝機制。 （來自王飛、Khaled B. Letaief）

8。 NeurIPS 2022 上的 Traffic4cast－根據稀疏節點資料預測沿圖邊緣的動態：來自固定車輛偵測器的整個城市交通和預計到達時間。 （來自 Sepp Hochreiter）

#9。透過持續學習中的輔助網路實現更好的穩定性-可塑性權衡。 （來自托馬斯·霍夫曼）

10。快速調整的轉向原型，可實現免排練的持續學習。 （取自迪米特里斯·N·梅塔克薩斯）

以上是一句話為影片加特效；迄今為止最全昆蟲大腦圖譜的詳細內容。更多資訊請關注PHP中文網其他相關文章！