Machinelearning

⚡️L-MAGIC: Language Model Assisted Generation of Images with Coherence Новая модель Intel- L-MAGIC может создавать панорамные сцены на основе одного входного изображения и текстового промпта! Многочисленные тесты показывают, что модель генерирует панорамные сцены с лучшим расположением сцен и качеством рендеринга по сравнению с аналогичными моделями. ▪Github: https://github.com/IntelLabs/MMPano ▪Paper: https://arxiv.org/abs/2406.01843 ▪Project: https://zhipengcai.github.io/MMPano/ ▪Video: https://youtu.be/XDMNEzH4-Ec @ai_machinelearning_big_data

🍏 Прошла конференция Apple и если вы пропустили ее, вот самое интерсное из нее. Siri превратили в ИИ-помощника, теперь она сможет использовать ваши приложения, объяснять информацию на экране и искать то, что вам нужно практически в любых приложениях и заметках; Что инетресно, Apple еще в апреле опубликовала статью о своей модели машинного обучения Ferret-UI для распознавания элементов пользовательского интерфейса, в которой раскрыто гораздо больше деталей, чем мы обычно ожидаем от Apple. "Ferret-UI", мультимодальная модель визуального языка, которая распознает иконки, виджеты и текст на экране мобильного устройства iOS, а также объясняет их расположение и функциональное значение. Примеры вопросов, которые вы можете задать Ferret-UI: - Предоставьте краткое описание этого скриншота; - Для интерактивного элемента укажите фразу, которая наилучшим образом описывает его функциональность; - Определите, можно ли использовать элемент пользовательского интерфейса. и тд В статье даже рассказывается о деталях созданиях датасета и бенчмарка для тестов Apple. Редкая открытость со стороны яблочников! Они по-настоящему переосмысливают свое направление исследований в области искусственного интеллекта. Статья была опубликована в апреле без особой пиар-шумихи: https://arxiv.org/abs/2404.05719 @ai_machinelearning_big_data

⚡️ AGiXT — open-source платформа, которая позволяет легко организовать выполнение сложных задач различными AI-агентами

git clone https://github.com/Josh-XT/AGiXT
cd AGiXT
./AGiXT.ps1

AGiXT — это платформа для эффективного управления AI-системами с помощью различных инструментов. Наши агенты оснащены адаптивной памятью, и это универсальное решение предлагает мощную систему плагинов, поддерживающую широкий спектр команд, включая просмотр веб-страниц. AGiXT имеет множество удобных плагинов для создания эффективных AI-решений 🖥 GitHub 🟡 Доки 🟡 Примеры использования @ai_machinelearning_big_data

IT-юрист — это профессия на стыке права и digital-технологий. Специалист составляет договоры, регистрирует объекты интеллектуальной собственности и регулирует использование ИИ. Нетология и ТюмГУ составили совместную программу онлайн-магистратуры «IT‑юрист». Начинающие специалисты смогут построить карьеру в перспективном направлении, а опытные профессионалы — расширить пул навыков. Длительность обучения — 2 года. В магистратуре много практики: - реальные задачи IT-юриста; - муткорты; - хакатон; - вебинары с экспертами; - практика у партнёра; - дипломная работа в 2-х форматах на выбор. В онлайн-магистратуре сочетаются все бонусы очного обучения и удобные удалённые занятия. После защиты выпускной работы вы получите диплом магистра государственного образца. Записывайтесь, чтобы освоить перспективную профессию. 📝Оставить заявку: https://netolo.gy/ddpE Реклама ООО “Нетология” 2VSb5wW1DyJ

🌟 xLSTM — Расширенная долговременная краткосрочная память — pip install xlstm Не так давно был пост со статьёй Arxiv об архитектуре xLSTM, и вот команда исследователей xLSTM опубликовала код на GitHub. xLSTM — это новая архитектура рекуррентной нейронной сети, основанная на идеях привычной нам LSTM. Благодаря экспоненциальному гейтингу с соответствующими методами нормализации и стабилизации и новой матричной памяти она преодолевает ограничения оригинальной LSTM и демонстрирует производительность при обработке естественного языка по сравнению с трансформерами или другими архитектурами. 🖥 GitHub 🟡 Arxiv @ai_machinelearning_big_data

🌟 Micro Agent будет писать код до тех пор, пока тот не будет соответствовать тестам — npm install -g @builder.io/micro-agent Micro Agent — это маленький AI-агент, который заточен под одно применение: агент пишет тест, а потом пишет под этот тест код. По задумке, такой подход должен гарантировать как минимум валидность кода, а как максимум — код будет решать все поставленные задачи 🖥 GitHub @ai_machinelearning_big_data

Flash Diffusion — ускорение любой диффузионной модели генерации изображений в несколько шагов Так называется работа, которую на днях опубликовали Clément Chadebec, Onur Tasar и их коллеги. Это метод дистилляции для создания быстрых диффузионных моделей. При обучении модели таким методом на наборах данных COCO2014 и COCO2017 показатели FID и CLIP-Score достигают хороших значений; при этом требуется всего несколько часов обучения на GPU и меньшее количество параметров модели, чем требуют существующие методы. 🟡 Страничка Flash Diffusion 🖥 GitHub 🤗 Flash SD 🤗 Flash SDXL @ai_machinelearning_big_data

🎙 Real-time in-browser speech recognition Распознавание речи в браузере в режиме реального времени с помощью OpenAI Whisper! ⚡️ Модель полностью работает на девайсах, на основе Transformers.js и ANNEX Runtime Web и поддерживает 100 различных языков! 🔥 Демо-версиия (+ исходный код)! 👇 ▪Сode: https://github.com/xenova/transformers.js/tree/v3/examples/webgpu-whisper ▪Hf: https://huggingface.co/spaces/Xenova/realtime-whisper-webgpu @ai_machinelearning_big_data

🌟 aider — AI-напарник для программирования с консольным интерфейсом

pip install aider-chat

# для работы с GPT-4o
export OPENAI_API_KEY=your-key-goes-here
aider 

# для использование Claude 3 Opus:
export ANTHROPIC_API_KEY=your-key-goes-here
aider --opus

Aider получил высший балл на SWE Bench — сложном бенчмарке, в котором Aider решал реальные проблемы на GitHub из популярных проектов с открытым исходным кодом, таких как django, scikitlearn, matplotlib и др. 🖥 GitHub 🟡 Доки @ai_machinelearning_big_data

🌟 NeRF-Insert — редактирование 3D-сцены с помощью текстового промпта или с помощью изображения NeRF-Insert позволяет добавить объект в 3D-сцену с помощью мультимодальных входных сигналов: текстового промпта или опорного изображения. Можно определить область 3D-сцены, которая будет меняться, нарисовав всего 2-3 маски. При желании можно отображать полигональную сетку, чтобы иметь больше контроля над положением или формой вставляемого объекта. ▶️ Страничка NeRF-Insert 🟡 Arxiv @ai_machinelearning_big_data

Skillfactory вместе с ведущими вузами объявляет о приемной кампании в онлайн-магистратуры Сегодня более 1200 студентов обучаются на программах высшего образования в школе IT-профессий Skillfactory, и ты можешь стать одним из них. ✅ Skillfactory открывает прием в 8 новых онлайн-магистратур в сотрудничестве с МФТИ, СПбПУ, РУДН, Университетом Иннополис и другими ведущими государственными университетами. ✅ Выбирай из 14 программ, от управления разработкой игр до бизнес-информатики и анализа данных. ✅ Получи практический опыт, решая реальные задачи от ведущих компаний. А с 11 июня стартует «Карьерная площадка» — серия прямых эфиров с представителями вузов, где можно будет узнать: — О перспективных направлениях в IT —Как интегрировать IT-навыки в свою профессию — Как найти работу и стать конкурентоспособным на рынке Регистрируйся на «Карьерную площадку» Реклама. ООО «Скилфэктори», ИНН 9702009530. Erid: LjN8KNbBw

Получится сегодня опубликовать? Skillfactory вместе с ведущими вузами объявляет о приемной кампании в онлайн-магистратуры Сегодня более 1200 студентов обучаются на программах высшего образования в школе IT-профессий Skillfactory, и ты можешь стать одним из них. ✅ Skillfactory открывает прием в 8 новых онлайн-магистратур в сотрудничестве с МФТИ, СПбПУ, РУДН, Университетом Иннополис и другими ведущими государственными университетами. ✅ Выбирай из 14 программ, от управления разработкой игр до бизнес-информатики и анализа данных. ✅ Получи практический опыт, решая реальные задачи от ведущих компаний. А с 11 июня стартует «Карьерная площадка» — серия прямых эфиров с представителями вузов, где можно будет узнать: — О перспективных направлениях в IT —Как интегрировать IT-навыки в свою профессию — Как найти работу и стать конкурентоспособным на рынке Регистрируйся на «Карьерную площадку» Реклама. ООО «Скилфэктори», ИНН 9702009530. Erid: LjN8KNbBw

🌟 Мультиплеер Stable Audio, который можно запустить на Hugging Face Генерируйте аудио из текстового описания, делитесь и учитесь у других, как наилучшим образом использовать эту новую модель. 🤗 Попробовать на Hugging Face @ai_machinelearning_big_data

⚡️ Qwen2 - самый крутой релиз откртых LLM со времен Llama 3! Alibaba только что выпустили свое новое семейство мультиязычных моделей, которых превосходят по производительности Llama 3 по многим параметрам. 🤯 Qwen2 выпущен в 5 размерах, обучен на 29 языках! 5️⃣ Размеры: 0.5B, 1.5B, 7B, 57B-14B (MoE), 72B. ✅ Контекст: 32k для 0.5B & 1.5B, 64k для 57B MoE, 128k для 7B и 72B ✅ Поддерживает 29 языков. 📜 Выпущены под лицензией Apache 2.0, за исключением версии 72B. 📖 BLOG: https://qwenlm.github.io/blog/qwen2/ 🤗 HF collection: https://huggingface.co/collections/Qwen/qwen2-6659360b33528ced941e557f 🤖 https://modelscope.cn/organization/qwen 💻 GitHub: https://github.com/QwenLM/Qwen2 @ai_machinelearning_big_data

🌟 Stability AI опубликовала открытую модель Stable Audio для генерации музыки Stability AI опубликовала в открытом доступе модель Stable Audio, предназначенную для генерации музыки, звуковых эффектов и окружения. Stable Audio Open — открытая модель в формате Text-to-Audio, которая генерирует 47-секундные музыкальные семплы и звуковые эффекты. К примеру, можно попросить нейросеть создать партию на фортепиано, барабанный бит, гитарный риф, пение соловья или шум дождя. Для генерации надо отправить текстовый запрос. Примечательно, что пользователи могут генерировать музыку на своих данных. К примеру, барабанщик может загрузить записи своих битов и на их основе создавать новые. В блоге компании рассказали, что открытая модель отличается от одноимённой коммерческой. Закрытая версия Stable Audio может генерировать трёхминутные треки с проработанной структурой. Также поддерживается режим Audio-to-Audio, в котором в качестве запроса можно передать уже готовый трек. Открытую модель Stable Audio Open обучили на данных сервисов FreeSound и Free Music Archive, что позволило соблюсти все требования к авторским правам. При этом для доступа к нейросети всё равно необходимо ознакомиться с лицензией использования. 🤗 Модель и веса опубликованы на Hugging Face. @ai_machinelearning_big_data

⚡️ ElevenLabs запустил ИИ-генератор звуковых эффектов Компания ElevenLabs представила инструмент на базе генеративного ИИ под названием AI Sound Effects, который способен генерировать по текстовому запросу любые звуковые эффекты. ElevenLabs заявила, что использовала аудиотеку Shutterstock, содержащую лицензионные треки, в качестве инструмента для обучения своей модели. Сервис генерирует звуки продолжительностью до 22 секунд на основе подсказок пользователя, их можно комбинировать с голосовой и музыкальной платформой компании. Он предоставляет как минимум четыре варианта загружаемых аудиоклипов. Есть бесплатная и платная версии. При бесплатном доступе будет установлен лимит в 10 тысяч символов, пользователь обязан ссылаться при публикации клипа на ElevenLabs, добавив в заголовок elevenlabs.io. При создании звуковых эффектов будет взиматься 40 символов за секунду аудио. По умолчанию каждый запрос будет стоить 200 символов. При платном доступе пользователи получают коммерческую лицензию на свободное использование сгенерированных клипов. ▶️ Попробовать Sound Effects ElevenLabs @ai_machinelearning_big_data

⚡️ Только что выпущена версия Jina CLIP v1: новая современная мультимодальная модель, которая превосходит OpenAI CLIP в задачах извлечения изображений по текстовому описанию😍 Модель совместима с 🤗 Transformers.js версией 3 и работает с ускорением WebGPU! ⚡️ 📌 Попробуйте демо-версию: https://huggingface.co/spaces/Xenova/webgpu-jina-clip?v2= 📌 Статья: https://arxiv.org/abs/2405.20204 @ai_machinelearning_big_data

🌟 FaceFusion — замена лица / улучшение фотографии в 1 команду FaceFusion — это open-source инструмент для замены лица на фотографии и для улучшения изображения Для необходимого действия с фото нужно просто запустить файл run.py с нужными опциями (на последнем изображении): — python run.py ... Ну или можно использовать удобный UI вместо прописывания команд 🖥 GitHub 🟡 Доки @ai_machinelearning_big_data

Хотите попробовать себя в роли аналитика и попрактиковаться на реальных задачах? Приходите на бесплатный курс-симулятор Нетологии и Yandex Cloud «Основы анализа данных в SQL, Python, Power BI, DataLens». В этой профессии много разных направлений — аналитик данных, BI-аналитик, продуктовый аналитик, Data Scientist. Но везде пригодится навык работы с инструментами-помощниками, которые вы и освоите на курсе. Эксперты-практики расскажут, как делать простые отчёты, исследовать данные и строить интерактивные дашборды. А чтобы понять, что анализ данных — это точно ваше, вместе решите практические задачи из реальных кейсов. Воспользуйтесь шансом попробовать новые инструменты и запишитесь на бесплатный курс Нетологии. Регистрация: https://netolo.gy/dbfG Реклама ООО "Нетология" 2VSb5wU3gtx

🌟 Omost — использование мощи LLM, пишущих код, для генерации изображений Проект Omost предоставляет LLM, которые будут писать коды для компоновки фрагментов изображений с помощью виртуального агента Canvas. Таким образом можно сгенерировать даже сложные изображения с хорошим качеством. В настоящее время Omost предоставляет 3 предобученные LLM, основанные на вариациях Llama3 и Phi3. Все модели обучены на смешанных данных, состоящих из (1) точных описаний изображений из нескольких датасетов, включая Open-Images, (2) данных, полученных путем автоматического аннотирования изображений, (3) данных от DPO, (4) небольшого количества данных от мультимодальной GPT4o На последних 2 изображениях приведён код, который необходим для генерации изображения таким образом 🖥 GitHub 🤗 Попробовать на Hugging Face @ai_machinelearning_big_data