Machinelearning

⚡️ The SwiftInfer project combines StearmingLLM with TesorR-LLM to make the inference efficiency and productivity much higher. Сегодня состоялся новый большой релиз от команды Colossal-AI! Они выложили в открытый доступ новый алгоритм SwiftInfer. Алгоритм позволяет на 46% улучшить производительность LLM! Этот проект объединяет инновации из двух недавних проектов, таких как StreamingLLM и TensoRT-LLM, чтобы обеспечить лучшую производильность и низкую задержку при выводе LLM. Как StreamingLLM решает эту проблему 📌 StreamingLLM решает проблему 'attentional sink' (поглощения внимания) , когда начальные лексемы в тексте получают непропорционально большое внимание алгоритма. В традиционных методах, производительность модели значительно снижается, как только эти начальные лексемы исключаются из окна внимания. StreamingLLM решает эту проблему, обеспечивая постоянное включение этих важных начальных лексем в окно внимания, тем самым стабилизируя генерацию и поддерживая высокое качество без необходимости дополнительной тонкой настройки. Очень интересный проект! git clone https://github.com/hpcaitech/SwiftInfer.git cd SwiftInfer pip install. 🖥 Github @ai_machinelearning_big_data

🧠 BakedAvatar: Baking Neural Fields for Real-Time Head Avatar Synthesis Рендеринг в реальном времени управляемых аватаров с 4D-головой на различных устройствах, включая мобильные. BakedAvatar использует видеозаписи человека для создания качественных управляемых аватаров. git clone https://github.com/buaavrcg/BakedAvatar cd BakedAvatar 🖥 Code: https://github.com/buaavrcg/BakedAvatar 📚 Paper: https://dl.acm.org/doi/10.1145/3618399 ⚡️ Page: https://buaavrcg.github.io/BakedAvatar/ @ai_machinelearning_big_data

🖥 Transformers From Scratch PYTHON In this notebook we have built a transformer model based on the Attention Is All You Need paper following along with Andrej Karpathy’s fantastic YouTube video: Let’s build GPT. В этом блоге показн процесс создания и обучения трансформеров с нуля. Шаг за шагом рассмотрен каждый основополагающий элемент с объяснением, что происходит на каждом этапе. Этот блог написан в блокноте Jupyter, который вы можете скачать и использовать для самостоятельного выполнения кода по ходу работы. 📌 Notebook @ai_machinelearning_big_data

🦾 Free Course: The Hands-on Reinforcement Learning course 🚀 Обучение с подкреплением — один из способов машинного обучения, в ходе которого испытуемая система обучается, взаимодействуя с некоторой средой. Это пошаговый практический курс, который поможет вам пройти изучить RL с сымых основ. 💻 Course 🖥 Github @ai_machinelearning_big_data

🦜 DreamTalk: When Expressive Talking Head Generation Meets Diffusion Probabilistic Models DreamTalk - это фреймворк для создания выразительных говорящих голов, который может создавать высококачественные видеоролики говорящих голов в различных стилях речи. DreamTalk демонстрирует высокую производительность при работе с разнообразными исходными данными, включая песни, речь на нескольких языках, зашумленное аудио. 🖥 Code: https://github.com/ali-vilab/dreamtalk 📚 Paper: https://arxiv.org/abs/2312.09767 ⚡️ Page: https://dreamtalk-project.github.io 🌟 Colab: https://github.com/camenduru/dreamtalk-colab @ai_machinelearning_big_data

🎙OpenVoice: Versatile Instant Voice Cloning OpenVoice: Универсальное мгновенное клонирование голоса ✨ 1. Точное клонирование тональности голоса. OpenVoice может точно клонировать тон голоса и генерировать речь на нескольких языках и акцентах. 2. Гибкое управление стилем голоса. OpenVoice позволяет контролировать стили голоса, такие как эмоции и акцент, а также другие параметры стиля, включая ритм, паузы и интонацию. 3. Кросс-языковое клонирование голоса. 🖥 Code: https://github.com/myshell-ai/OpenVoice 📚 Paper: https://arxiv.org/abs/2312.01479 ⚡️ Page: https://research.myshell.ai/open-voice 🌟 Colab: https://github.com/camenduru/OpenVoice-colab @ai_machinelearning_big_data

✔️ AIJack: Security and Privacy Risk Simulator for Machine Learning Security and Privacy Risk Simulator for Machine Learning. AIJack - библиотека с открытым исходным кодом, предназначенная для оценки рисков безопасности и конфиденциальности, связанных с обучением и развертыванием моделей машинного обучения. На фоне растущего интереса к большим данным и искусственному интеллекту ускоряется прогресс в исследованиях и применения в бизнесе инструментов машинного обучения. Однако недавние исследования выявили потенциальные угрозы, такие как кража обучающих данных и манипулирование моделями со стороны злоумышленников. Поэтому полное понимание уязвимостей моделей машинного обучения в области безопасности и конфиденциальности имеет решающее значение для безопасной интеграции машинного обучения в реальные проекты. AIJack призван решить эту задачу, предоставляя библиотеку с различными методами атак и защиты через единый API. pip install git+https://github.com/Koukyosyumei/AIJack 🖥 Code: https://github.com/microsoft/promptbench 🌟 Docs: https://promptbench.readthedocs.io/en/latest/ 📚 Paper: https://arxiv.org/abs/2312.07910v1 ⚡️ Dataset: https://paperswithcode.com/dataset/mmlu @ai_machinelearning_big_data

🌹4DGen: Grounded 4D Content Generation with Spatial-temporal Consistency Генерация 4D-контента с пространственно-временной согласованностью! Пайплайн обеспечивает условное создание 4D, позволяя пользователям задавать геометрию генераци и движение (монокулярные видео), тем самым обеспечивая контроль над созданием контента. #GaussianSplatting #3DGS 🖥 Code: https://github.com/VITA-Group/4DGen 🔮 Project: https://vita-group.github.io/4DGen/ 📚 ArXiv: https://arxiv.org/abs/2305.06456 @ai_machinelearning_big_data

🧍‍♂ Perpetual Humanoid Control for Real-time Simulated Avatars Новая модель, которая позволяет добиться генерации текста в движение в режиме реального времени, используя симуляцию движения человека. Контроллер, обеспечивает высокую точность имитации движений и восстановления положения при наличии помех и неожиданных падений. 🖥 Code: github.com/ZhengyiLuo/PerpetualHumanoidControl 🎓 Video: https://www.youtube.com/watch?v=zS6Y00EW37A 🔮 Project: https://zhengyiluo.github.io/PHC/ 📚 ArXiv: https://arxiv.org/abs/2305.06456 @ai_machinelearning_big_data

⚡️ MotionCtrl: A Unified and Flexible Motion Controller for Video Generation Новая модель-контроллер движения для генерации видео, который способен самостоятельно управлять сложным движением камеры и движением объектов в генерируемых видео. 🖥 Code: https://github.com/TencentARC/MotionCtrl 🎓 Colab: https://github.com/camenduru/MotionCtrl-colab 🔮 Project Page: https://openxlab.org.cn/apps/detail/camenduru/MotionCtrl 📚 ArXiv: https://arxiv.org/abs/2312.03641 @ai_machinelearning_big_data

🐱DiffMorpher: Unleashing the Capability of Diffusion Models for Image Morphing DiffMorpher - новый подход, обеспечивающий плавное преобрахование изображений с помощью диффузионных моделей. 🖥 Code: https://github.com/Kevin-thu/DiffMorpher 🧪OpenXLab: https://openxlab.org.cn/apps/detail/KaiwenZhang/DiffMorpher 🎓 Colab: https://github.com/camenduru/DiffMorpher-colab 🔮 Project Page: https://kevin-thu.github.io/DiffMorpher_page 📚 ArXiv: https://arxiv.org/abs/2312.07409 @ai_machinelearning_big_data

🪩 Обучение генеративных моделей от А до Я Сейчас генеративные модели широко используются в областях искусственного интеллекта и машинного обучения. Для них важна правильная предобработка данных, а для генерации эстетичных изображений используются две стадии: улучшение предварительно обученной модели, которая уже имеет некоторые знания, и обучение с подкреплением. Однако в последнее время набирают популярность диффузионные модели: во многом благодаря своей простоте и возможности обучения на простых данных. Например, если модель обучается на изображениях кошек, она сможет генерировать похожие реалистичные изображения кошек. Смотрите запись выступления Сергея Овчаренко из Яндекса, чтобы лучше разобраться в нюансах обучения генеративных картиночных диффузионных моделей. Там же в плейлисте доступны записи и других докладов с конференции Яндекса для разработчиков YaTalks. Реклама ООО Яндекс, ИНН 7736207543, erid: 2SDnjdAJ3Jg

🔊 Как исключить проблему самотриггерения голосовых помощников на примере Маруси от VK В статье на Хабре узнаете о том, как команде мобильного приложения Маруси удалось научить помощника правильно слышать запросы и команды без триггеров на свое имя. Подробную инструкцию и итоги работы найдете по ссылке ниже. https://habr.com/ru/companies/vk/articles/782944/ @ai_machinelearning_big_data

🍏Ferret: Refer and Ground Anything Anywhere at Any Granularity Новая новая мультимодальная модель большого языка (MLLM) от Apple, которая может точно распознавать отдельные объекты и их отдельные части на изображении и обсуждать всю информацию с пользователем. В точности и скорости обработки данных с изображений на бенчмарках Ferret опережает GPT-4🔥 🖥 Code: github.com/apple/ml-ferret 🎓 Paper: https://arxiv.org/abs/2310.07704 @ai_machinelearning_big_data

☑️Here are some of the most remarkable AI releases of the year. 2023 год был годом ИИ! Вот некоторые из самых значимых ИИ релизов года...👇 https://journal.everypixel.com/2023-the-year-of-ai @ai_machinelearning_big_data

🌠AnyDoor: Zero-shot Object-level Image Customization AnyDoor - новый генератор изображений на основе диффузии, который может гармонично вписывать любые объекты в новые сцены в указанных местах. Модель, обучена на видео и понимает разные ракурсы и освещения объектов, чтобы вписывать изображения в любой новый план с новым освещением и камерой. pip install git+https://github.com/cocodataset/panopticapi.git pip install pycocotools -i https://pypi.douban.com/simple pip install lvis 🖥 Code: https://github.com/damo-vilab/AnyDoor 🎓 HF: https://huggingface.co/spaces/xichenhku/AnyDoor-online 🔮 Project Page: https://damo-vilab.github.io/AnyDoor-Page/ 📚 ArXiv: https://arxiv.org/abs/2307.09481 @ai_machinelearning_big_data

🖥 Десять самых ярких ИИ-работ от NVIDIA Research за 2023 год. - Neuralangelo: потрясающая высокоточная 3D-реконструкция поверхностей. https://research.nvidia.com/labs/dir/neuralangelo/ - Magic3D: быстрое преобразование текста в 3D! https://research.nvidia.com/labs/dir/magic3d/ - Hair Simulation: эффективное моделирование дискретных упругих стержней (DER) для волос. Это не совсем работа над искусственным интеллектом, но очень визуально привлекательная технология. https://research.nvidia.com/publication/2023-08_interactive-hair-simulation-gpu-using-admm -Eureka: GPT-4 учит робота-руку крутить ручки! https://eureka-research.github.io - Align Your Latents: синтез видео высокого разрешения с помощью моделей латентной диффузии. Одна из лучших работ по генерации видео в 2023 году. https://research.nvidia.com/labs/toronto-ai/VideoLDM/ - Text2Materials: Модель работы с текстовыми промптами для генерации материалов, таких как кирпич или мозаика, которые можно выложить плиткой и плавно воспроизвести на поверхности любого размера. https://blogs.nvidia.com/blog/siggraph-research-generative-ai-materials-3d-scenes/ - CALM: метод обучения управляемых виртуальных персонажей выполнению действий в физическом симуляторе. https://research.nvidia.com/labs/par/ - Vid2Player3D: обучение навыкам игры в теннис для виртуальных персонажей! https://research.nvidia.com/labs/toronto-ai/vid2player3d/ - Flexicubes: mesh optimization https://research.nvidia.com/labs/toronto-ai/flexicubes/ - eDiff-I: диффузия текста в изображение с помощью ансамбля экспертных моделей. https://research.nvidia.com/labs/dir/eDiff-I/ @ai_machinelearning_big_data

PIA: Your Personalized Image Animator via Plug-and-Play Modules in Text-to-Image Models 🎄 🎁 🎅 Colab 🥳 PIA, аниматор изображений, который превосходит аналоги в согласованности текста с изображениями. 🎓 page: https://pi-animator.github.io 📚 paper: https://arxiv.org/abs/2312.13964 🖥 code: https://github.com/open-mmlab/PIA 🥩 OpenXLab: https://openxlab.org.cn/apps/detail/zhangyiming/PiaPia 🥩 colab: https://github.com/camenduru/PIA-colab @ai_machinelearning_big_data

Хостинг Aéza устраивает новый год для своих! Флагманские 7950x3D до 5.7 ГГц от 420 рублей/месяц и тёплая локация ВПН в Турции от 143 рублей! С новым годом с Aéza! Реклама. ООО "АЕЗА ГРУПП" ИНН 7813654490 erid:LatgBUyJc

🌪 Can machine learning predict chaos? Может ли машинное обучение предсказывать хаос? В новой статье проводится масштабное сравнение современных методов прогнозирования на гигантском наборе данных из 135 хаотических систем. https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.5.043252 @ai_machinelearning_big_data