NeuroHive - Нейронные сети. Страница 18

​​Исследователи из Hebrew University of Jerusalem обучили нейросеть, которая редактирует содержание изображение. Модель принимает на вход оригинальное изображение и карту сегментации отредактированного изображения. На выходе нейросеть выдает отредактированное в соответствии с картой сегментации оригинальное изображение. По результатам экспериментов, предложенная модель обходит pix2pixHD в фотореалистичности генерируемых изображений.

​​Auto-Sklearn — это инструмент для автоматизации машинного обучения. Библиотека основана на существующей ML-библиотеке scikit-learn. Пайплайн может состоять из нескольких шагов предобработки данных, одного шага предобработки признаков и обучения модели с помощью методов градиентного бустинга. В текущем релизе библиотеки поиск производится по 153 гиперпараметрам.

​​EagleEye — это метод оценки подсетей для алгоритмов сжатия размера обученных нейросетей. С помощью EagleEye можно отобрать оптимальную структуру подсети с минимальной потерей в точности. При прунинге мини-версии MobileNet V1 предложенный подход находит подсеть на 50% меньше размером и с точностью предсказаний 70.9% на ImageNet.

​​Исследователи из Facebook Reality Labs предложили подход для более точного трекинга лица и взгляда. Внутри системы встроена нейросеть, которая совместно учится моделировать лицо пользователя и его взгляд в 3D. Одним из применений такой модели являются виртуальные трансляции.

​​30 июля стартуют онлайн-курсы по математике для data science от OTUS! Математика — пропуск в мир перспективных IT-специальностей. Вы давно знаете это, но цепенеете перед первым шагом. Естественный страх начать и не осилить новую цель, потратив деньги и силы. Пора преодолеть его!

📍Онлайн-курсы высшей математики начинаются совсем скоро: базовый с 30 июля, продвинутый с 31 июля. Не откладывая в долгий ящик, начинаем воплощать план по прокачке ваших навыков.

👤 Автор и ведущий занятий — Пётр Лукьянченко, преподаватель ВШЭ и ранее Team Lead Analytics в Lamoda. Все уроки построены так, чтобы дать вам сильную теорию и практические навыки, которые требуются на должности Data Scientist. В конце курса у вас будет четкое представление, что делать с приобретенными знаниями и как на их основе строить карьеру.

Оплачивать курс можно в рассрочку по месяцам, а значит, не нужно ждать и копить — начинайте вкладывать в свое будущее уже сейчас!

👉Пройти вступительный тест и записаться на
Базовый курс математики (старт 30 июля): https://otus.pw/2qjJ/
Продвинутый курс математики (старт 31 июля): https://otus.pw/dQJd/

​​Google AI опубликовали нейросеть, которая извлекает структурированную информацию из шаблонных документов. Эксперименты на корпусах счетов и чеков показывают, что нейросеть масштабируется на новые типы документов, которых не было в обучающей выборке.

​​Исследователи из Salesforce обучили языковую модель восстанавливать структуру белка. В качестве архитектуры использовали языковую модель BERT. Помимо модели, разработчики публикую инструмент для трехмерной визуализации механизма внимания из обученной модели.

​​DeepFaceDrawing — это нейросетевая модель, которая генерирует изображение человека на основе скетча. Разработкой сети занимались исследователи из University of Hong Kong. Нейросеть генерирует более реалистичные изображения в сравнении с альтернативными подходами: Pix2pix, Lines2FacePhoto, Pix2pixHD, iSketchNFill.

​​TaBERT — это нейросеть, которая переводит запросы данных с естественного языка на SQL. В основе модели лежит трансформер-архитектура BERT, которая является state-of-the-art подходом в обработке естественного языка.

​​Disney Research опубликовали нейросетевой алгоритм для автоматической замены лиц на изображениях и видео. Это первый метод, который способен рендерить фотореалистичные и консистентные по времени изображения в высоком разрешении. Модель обучается без учителя.

​​Почти никто не объясняет, что и кто стоит за технологиями, которые меняют нашу жизнь, и что они меняют в России.
В телеграм-канале «nti2035media» по косточкам разбирают буквально все (от аэротакси до сортировки мусора) каждый день вместе с экспертами Национальной технологической инициативы.
Присоединяйтесь и узнавайте, что на самом деле происходит с технологическим развитием.

Бонусом идут крутые мероприятия и конкурсы для тех, кому не все равно.

Подписывайтесь на https://t.me/nti2035media

​​Исследователи из Amazon опубликовали метод для генерации реалистичных синтетических снимков с группой людей. Такие данные используются при обучении моделей компьютерного зрения, в случае если реальных размеченных данных недостаточно. При этом подход позволяет полностью контролировать содержание изображений.

​​FAIR опубликовали нейросетевой фреймворк для распознавания содержимого видеозаписи. Generalized Data Transformations обучается без размеченных данных. Исследователи проверяли модель на датасетах HMDB-51, UCF-101, DCASE2014, ESC-50 и VGG-Sound. На датасетах HMDB и UCF нейросеть обходит прошлые подходы с точностью 72.8% и 95.2% соответственно.

​​EPIC-Kitchens — это набор видеозаписей, снятых от первого лица, где люди выполняют действия на кухне. Визуальный ряд сопровождается нарративом от актора, в котором озвучивается каждое действие. Всего данные состоят из 100 часов видеоматериала. Датасет собирали исследователи из University of Bristol и University of Catania.

​​Дизайн-студия Артемия Лебедева разработала нейросеть для генерации логотипов около года назад. Модель уже использовали в более чем 20 коммерческих проектах студии. Нейросеть способна выполнять комплексные креативные задачи, как генерация оригинальных логотипов и создание айдентики брендов. Модель учитывает данные о компании при генерации логотипов и айдентики.

​​Sequencer — это алгоритм, который автоматически извлекает основные закономерности в данных. Алгоритм использует четыре разные метрики: евклидово расстояние, KL-дивергенцию, метрику Васерштейна и энергетическое расстояние. Sequencer масштабируется на любой датасет и обходит tSNE и UMAP в поиске одномерных трендов в данных.

​​PULSE — это нейросетевая модель, которая генерирует изображение в высоком разрешении из изображения в низком разрешении. Предложенная модель обучается self-supervised и генерирует изображения в беспрецедентно высоком разрешении. Исследователи используют архитектуру StyleGAN.

​​В FAIR разработали нейросеть, которая добавляет человека на фотографию. Модель принимает на вход целевое изображение и маску человека, которого необходимо добавить на целевое изображение. На выходе модель отдает модифицированную целевую фотографию с добавленным человеком. По результатам экспериментов, модель генерирует правдоподобные изображения в высоком разрешении.