对于计算机视觉爱好者来说，YOLO（一次只看一次）是一种非常流行的实时对象检测概念，因为它的速度非常快并且性能出色。
近日，这段使用人工智能修复老北京影像的视频在 B 站和微博上火了，引起了极大的关注。仅在 B 站上，阿婆主「大谷的游戏创作小屋」上传的这个旧影像修复视频已经获得 61.9 万的播放量、4.9 万点赞。
Deepfakes 是人工智能生成的任何人或名人的合成视频，它冒充真实的人，并让他们采取行动或说出他们从未做过的任何事情。
文生图模型Stable Diffusion开源后，将「AI艺术」彻底平民化，只需一张消费级显卡即可制作出非常精美的图片。
我们的日常生活中存在各种各样的重复过程，有的是自然周期，比如月相变化或心跳和呼吸节律；也有的重复过程是人为的，比如生产线或交通中的重复模式。
让AI通过预测，捕捉你「左手画龙，右手画彩虹」的动作，对于AI理解人类行为至关重要。
来源：DeepHub IMBA 本文约1000字，建议阅读5分钟 看完本文本后你也可以制作Deep Fake 视频。 今天我要谈谈 Deep Fake，我将解释First Order Motion算法是如何工作的。看完本文本后你也可以制作Deep Fake 视频。 AI 生成的假视频正变得越来越普遍（并且越来越像真的）并且最近一段时间出现了许多应用程序，这就是我们应该担心的原因。但是我们这里只讨论这种技术。 Deep Fake 包括以下步骤来制作换脸视频： 首先，两人的数千张面部照片将通过一种称为编码器的人
今天我要谈谈 Deep Fake ?，我将解释First Order Motion算法是如何工作的。看完本文本后你也可以制作Deep Fake 视频。 AI 生成的假视频正变得越来越普遍（并且越来越像
毕竟它无需安装、功能强大、支持实时协作，还能免费蹭Google云上的GPU，比Jupyter Notebooks不知高到哪里去了。
点击上方↑↑↑“OpenCV学堂”关注我来源：公众号 量子位 授权 都说Transformer适合处理多模态任务。 这不，在视频目标分割领域，就有人用它同时处理文本和视帧，提出了一个结构更简单、处理速度更快（每秒76帧）的视频实例分割框架。 这个框架只需一串文本描述，就可以轻松将视频中的动态目标“抠”出来： 可以实现端到端训练的它，在基准测试中的多个指标上表现全部优于现有模型。 目前，相关论文已被CVPR 2022接收，研究人员来自以色列理工学院。 主要思路 根据文本描述进行视频目标分割这一多模态任务（R
来源：DeepHub IMBA本文共2000字，建议阅读10分钟本文将带有清晰的视频解释和代码，文末尾列出了对每篇论文的完整参考。 2021 年排名前 10 的计算机视觉论文，包括视频演示、文章、代码和论文参考。 世界的经济活动在病毒的冲击下陷入了历史罕见的停滞中，但研究并没有放慢其狂热的步伐，尤其是在人工智能领域。今年的论文中除了一般的研究结果外还强调了许多重要方面，例如道德方面、重要偏见、治理、透明度等等。人工智能和我们对人脑及其与人工智能的联系的理解不断发展，显示出在不久的将来改善我们生活质量的有前景
世界的经济活动在病毒的冲击下陷入了历史罕见的停滞中，但研究并没有放慢其狂热的步伐，尤其是在人工智能领域。今年的论文中除了一般的研究结果外还强调了许多重要方面，例如道德方面、重要偏见、治理、透明度等等。人工智能和我们对人脑及其与人工智能的联系的理解不断发展，显示出在不久的将来改善我们生活质量的有前景的应用。不过，我们应该谨慎选择应用哪种技术。
Google Colab NoteBook可实现数据科学的民主化。允许所有人— AI研究人员，艺术家，数据科学家等。—在每台设备（甚至在智能手机）上享受机器和深度学习的功能。只需运行单元，更改参数，值和源，即可享受AI的多样性。
一、背景 最近AI创作内容火爆网络，让我们看到AI在设计上充满想象力的未来。关于AI在设计上应用的探索由来已久，从早几年的智能广告素材，智能Logo再到如今的AIGC，AI的成长突飞猛进。本文尝试梳理AI目前在设计领域应用的最新进展，展望设计行业在AI技术影响下可能发生的变革。 二、AI与设计相关的最新技术 1、自动化内容生成（AIGC） 从文本-图像、文本-视频、文本-3D模型到智能字体、智能文本，AI在各类内容的创造上已经突飞猛进，强大到让人惊叹地步。 1.1 文本-图像技术 近一两年以来，各大平台推出
丰色 发自 凹非寺 量子位 | 公众号 QbitAI 都说Transformer适合处理多模态任务。 这不，在视频目标分割领域，就有人用它同时处理文本和视帧，提出了一个结构更简单、处理速度更快（每秒76帧）的视频实例分割框架。 这个框架只需一串文本描述，就可以轻松将视频中的动态目标“抠”出来： 可以实现端到端训练的它，在基准测试中的多个指标上表现全部优于现有模型。 目前，相关论文已被CVPR 2022接收，研究人员来自以色列理工学院。 主要思路 根据文本描述进行视频目标分割这一多模态任务（RVOS），需要
给定一张或者多张人物 A 的图像，和一段人物 B 的视频，就可以通过动作迁移算法自动合成一段人物 A 做任务 B 动作的视频。
衡宇 发自 凹非寺 量子位 | 公众号 QbitAI AI画师，技术又精进了—— 直接一句话/一张图，生成3D模型、环绕视频、NeRF实例那种。 还是带颜色的。 输入“一幅美丽的花树画，作者Chiho Aoshima，长镜头，超现实主义”，就能瞬间得到一个长这样的花树视频，时长13秒。 这个文本/图片-3D生成AI，叫Dreamfields-3D，来自一个自称编程菜鸟的建筑学在读博士。 Demo刚被小哥放在微博、推特等平台，许多网友已经急着蹲内测了： 现在，小哥已经将它开源，colab上也能运行。 一起
图像分类神经网络拥有卓越的图像生成能力。DeepDream [1]、风格迁移 [2] 和特征可视化 [3] 等技术利用这种能力作为探索神经网络内部原理的强大工具，并基于神经网络把艺术创作推进了一小步。
有消息显示，Google已于近日悄悄禁止了其在 Colaboratory（Colab）服务上的深度伪造（Deepfake）项目，这代表以Deepfake为目的大规模利用平台资源的时代或已画上句号。
西风 发自 凹非寺 量子位 | 公众号 QbitAI Stable Diffusion也能生成视频了！ 你没听错，Stability AI推出了一款新的文本生成动画工具包Stable Animation SDK，可支持文本、文本+初始图像、文本+视频多种输入方式。 使用者可以调用包括Stable Diffusion 2.0、Stable Diffusion XL在内的所有Stable Diffusion模型，来生成动画。 Stable Animation SDK的强大功能一经展现，网友惊呼： 哇哦，等不及
来自中科院模式识别实验室的博士生郭建珠和他的团队，提出了一种新的密集人脸对齐（3D Dense Face Alignment）方法。
GAN 生成图像奇幻诡谲，对此我们早已不陌生。如果它们还可以卡音效呢？最近，有人就创建了一个实现类似效果的 Python 包——Lucid Sonic Dreams，只用几行代码就可以实现 AI 生成画作与音乐的同步。
这个月先写一篇吧，后面要复习数学考试了，可能到时候就忘了。今天写一个比较有意思的东西，关于人体的分割与姿态估计。如下图所示：
您是否有时侯觉得机器学习内容太广泛而无法紧跟脚步？当然会有这种感觉。下面是去年自然语言处理（NLP）的主要发展方向：
人体姿态估计是一个非常有趣的领域，如果我们能够将诸如棒球摆动或投球等运动的人体姿势量化为数据，那么我们或许能够将数据转化为有用的见解，例如伤害预防或高级训练。
链接：https://zhuanlan.zhihu.com/p/347705276
“他山之石，可以攻玉”，站在巨人的肩膀才能看得更高，走得更远。在科研的道路上，更需借助东风才能更快前行。为此，我们特别搜集整理了一些实用的代码链接，数据集，软件，编程技巧等，开辟“他山之石”专栏，助你乘风破浪，一路奋勇向前，敬请关注。
机器之心报道 编辑：张倩 这个框架能将人物视频转成动画，还是高清、高度可控的。 在社交网络、短视频平台上使用卡通头像录制视频是很多人喜欢的玩法，但我们也会发现一些问题，比如头像调整范围比较窄，和本人没有那么像等。 近日，来自新加坡南洋理工大学的一项相关研究在 reddit、推特上都收获了上千的点赞量。他们开发了一个能够进行可控高分辨率人像视频风格转换的框架——VToonify，在风格控制的灵活性、生成视频的质量、时间上的连贯性等方面都有着出色的表现。 你可以根据自己的需要灵活调整生成的风格类型以及卡通化的
我真的喜欢后面墙上不规则的黑板白班、脱落的墙皮和不知道什么颜料的笔画上去的线条吗？
在开发机器学习解决方案时，需要清除的最大障碍一直是数据。像ImageNet和COCO这样的大规模、干净、完全注释的数据集并不容易获得，特别是对于小众任务。这在深度学习中尤其如此，而且随着深度学习的日益普及，这种情况会越来越明显。为了克服标记数据瓶颈，研究人员和开发人员正在开发各种技术，如迁移学习、领域适应、合成数据生成以及许多半监督和自监督技术。
Google Colab 给广大的 AI 爱好者和开发者提供了免费的 GPU，他们可以在上面轻松地跑 Tensorflow、PyTorch 等深度学习框架。特别地，Colab 实时 Notebooks 在数据共享方面为广大开发者提供了便利，通过链接即可与其他的开发者共享文件。
在CPU上训练深度神经网络很困难。本教程将指导您如何使用Google Colaboratory上的Keras微调VGG-16网络，这是一个免费的GPU云平台。如果您是Google Colab的新手，这是适合您的地方，您将了解到：
云计算是一个术语，用来描述通过网络(通常是Internet)交付的硬件和软件的使用。简单地说，云计算就是基于互联网的计算。在过去，人们会在他们所在大楼的物理计算机或服务器上运行从软件下载的应用程序或程序。云计算允许人们通过互联网访问相同类型的应用程序。
本文为字节跳动团队发布的视频抠像工具 RVM 代码解析及论文《Robust High-Resolution Video Matting with Temporal Guidance》概要。
视频理解领域取得了很大进展。例如，有监督的学习和强大的深度学习模型可用于对视频中的许多可能操作进行分类，使用单个标签汇总整个剪辑。但是，存在许多场景，其中需要的不仅仅是整个剪辑的一个标签。例如，如果机器人将水倒入杯中，仅仅识别“倾倒液体”的动作就不足以预测水何时会溢出。为此，有必要逐帧跟踪杯子中的水量。类似地，比较投手的姿势的棒球教练可能想要从球离开投手的手的精确时刻检索视频帧。此类应用程序需要模型来理解视频的每个帧。
机器之心报道 机器之心编辑部 看过宫崎骏动画电影《天空之城》的小伙伴，想必偶尔会向往那座神秘的空中岛屿拉普达吧。近日，密歇根大学安娜堡分校博士后研究员 Zhengxia Zou 进行了一项研究，不仅可以创建空中堡垒，更可以转变场景中的天气和光照，让你有身临其境的感觉。此外，这项研究完全基于视觉，能够很好地应用于在线或离线场景，且可以执行实时处理。 哈尔的移动城堡？天空之城？这幅图是否让你想起了这两部电影中的场景…… 上：《天空之城》剧照；下：《哈尔的移动城堡》剧照。 是电影场景变为现实了吗？真的有人建造
人工智能和我们对人脑的理解及其与人工智能的联系在不断发展，在不久的将来，这些改善我们生活质量的应用将大放光彩。
导读：俗话说，磨刀不误砍柴工，要想闯荡编程世界，一套趁手的编辑器是必不可少的。对 Python 语言的使用者来说，不论你是刚开始学习编程知识的萌新小蛇，还是已经有了许多编程经验的巨蟒大佬，今天介绍的这款神器，一定能给你的学习、工作带来许多助益。
朴素贝叶斯是一系列简单的概率分类器，它基于应用贝叶斯定理，在特征之间具有强或朴素的独立假设。它们是最简单的贝叶斯模型之一，但通过核密度估计，它们可以达到更高的精度水平。
OpenPose代表了第一个在单张图像上联合检测人体、手部、面部和足部关键点（共 135 个关键点）的实时多人系统。
在本视频中，NVIDIA将向您展示如何直接在 Google Colab 上快速启动NVIDIA TAO 工具包笔记本来训练 AI 模型，而无需设置任何基础设施。
了解如何使用Google Colab在云中运行YOLOv4对象检测。YOLOv4是全新的，与旧版本YOLOv3相比，它具有许多性能和速度升级。YOLOv4是世界上最快，最准确的物体检测系统之一。逐步执行在云中使用暗网检测来运行yolov4的步骤，并利用其强大的功能和速度。全部带有免费GPU！本教程涵盖了所有内容！
当涉及大量数据时，Pandas 可以有效地处理数据。但是它使用CPU 进行计算操作。该过程可以通过并行处理加快，但处理大量数据仍然效率不高。
本文涵盖与TensorFlow相关的教程、书籍、工具、求职等的大量信息。尽数资源，应有尽有。
自动驾驶汽车是人工智能领域最具颠覆性的创新之一。它们借助深度学习算法不断推动社会发展，并在移动领域创造新的机遇。自动驾驶汽车可以去任何传统汽车可以去的地方，也能像经验丰富的人类驾驶员一样完成各种操作。但是，正确的训练是非常重要的。在自动驾驶汽车的训练过程中，车道检测是其中的一个重要步骤，也是最初要完成的步骤。今天，我们将学习如何使用视频进行车道检测。
AI 科技评论按，深度强化学习（RL）技术可用于从视觉输入中学习复杂任务的策略，并已成功应用于经典的 Atari2600 游戏中。最近在这一领域的研究表明，即使在像 Montezuma s Revenge 这样的游戏所展示的具有挑战性的探索机制中，它也可能获得超人的表现。然而，目前许多最先进方法的局限之一是，它们需要与游戏环境进行大量的交互，且这些交互通常比人类去学习如何玩得好要多得多。
来源 | Hyper超神经 头图 | 下载于视觉中国 近日，一个基于 Tacotron2 和 Transformer 实现文字转声音的 AI 应用——Uberduck.AI 破圈了，不少 TikTok 、YouTube 网红博主都在推荐这一神器。 YouTube 的网红音乐艺术创意机构 Herr Fuchs 发布了一首新歌，基于Uberduck.AI 合成了知名嘻哈歌手坎爷 Kanye West 的声音，并创作了这首《The Breakup》。 这首融合了流行音乐元素和 AI 技术的《The Breaku
内容提要：「眼见为实」在 AI 技术面前已经失效了，换脸、对口型的技术层出不穷，效果越来越逼真。今天要介绍的 Wav2Lip 模型，只需一段原始视频与目标音频，就可将其合二为一。
原文链接 / http://ai.googleblog.com/2020/11/announcing-objectron-dataset.html
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
