我报名参与金石计划1期应战——瓜分10万奖池，这是我的第22篇文章，点击检查活动概况

日报合辑 | 电子月刊 | 大众号下载资料 | @韩信子

东西&结构

『agg』asciinema gif 生成器

github.com/asciinema/a…

agg 是一个命令行东西，用于从 asciinema 终端记录器产生的 asciicast v2 文件生成 GIF 动画文件。它运用 gifski 库来产生优化的、高质量的GIF输出，并具有准确的帧计时。

『YOLOX M1 Mac』YOLO 的无锚版别，支撑 M1 芯片的 Mac

github.com/j-ohashi/YO…

YOLOX 是 YOLO 的无锚版别，规划更简单，但功能更好——超过 yolov3~v5，支撑 MegEngine、ONNX、TensorRT、ncnn 和 OpenVINO！它的方针是在研讨和工业界之间架起一座桥梁，弥合研讨界和工业界之间的差距。YOLOX M1 Mac 是 PyTorch 版别 YOLOX 的完成，支撑 M1 芯片的 Mac。

『MLIR Playground』在阅读器中玩 MLIR 的完成

github.com/MLIR-China/…

playground.mlir-china.org/

MLIR Playground 是一个能够在阅读器中玩 MLIR 的完成，它不需要安装任何依赖性或设置一个构建体系；私密和安全，一切都在你的阅读器的沙盒环境中本地运行。

『async_simple』阿里巴巴开源的轻量级 C++ 异步结构

github.com/alibaba/asy…

async_simple 是阿里巴巴开源的轻量级 C++ 异步结构，供给了根据 C++20 无栈协程（Lazy）、有栈协程（Uthread）以及 Future/Promise 等异步组件。

async_simple 诞生于阿里巴巴智能引擎事业部，目前广泛使用于图核算引擎、时序数据库、搜索引擎等在线体系。连续两年阅历天猫双十一磨砺，承担了亿等级流量洪峰，具有十分微弱的功能和牢靠的稳定性。

『SREWorks』云原生运维渠道

github.com/alibaba/SRE…

SREWorks是阿里巴巴大数据SRE团队云原生运维渠道，沉积了团队近10年经过内部事务锤炼的 SRE 工程实践，秉承“数据化、智能化”运维思维，帮助运维行业更多的从业者采用“数智”思维做好高效运维。它是一站式数据化、智能化运维SaaS使用套件（交给、监测、管理、控制、运营、服务）。

博文&共享

『leetcode-curation-topica』技能面试准备清单

github.com/fterh/leetc…

针对面试过程中容易被问到的数据结构 LeetCode 题，作者按照主题/概念进行归类整理。尝试了一题多解：经过多种方法以不同的时刻/空间效率（经过运用各种数据结构）来处理。

清单包括以下主题，并标示了 easy、medium、hard 三个难度等级：

• Arrays/Strings（数组 / 字符串）
  • Sliding Window / Two Pointer（滑动窗口 / 两个指针）
  • Intervals（区间合并/插入/排序）
  • Heaps/Priority Queues（堆/优先行列）
• Linked Lists / Deques（链表 / 双端行列）
• Trees（树）
• Graphs（图）
• Recursion/Backtracking（递归/回溯）
• Dynamic Programming（动态规划）
• Design & Implementation（规划模式与完成）
• Greedy（贪心）

『A Survey on Generative Diffusion Model』生成式Diffusion模型综述

github.com/chq1155/A-S…

论文：arxiv.org/pdf/2209.02…

论文『A Survey on Generative Diffusion Model』对Diffusion模型范畴的里程碑模型进行了总结，如 DDPM、DSM、core SDE 等。并针对根据分散的模型范畴中的现有问题提出了分类改善技能，并介绍了分散模型的使用。

Repo 是论文总结，清单包括以下主题：

• Methodology Improvement / 办法改善
  • Speed-up / 提速
  • Distribution Diversification / 分布多样化
• Application / 使用
  • Computer Vision / 核算机视觉
  • Sequential Modeling / 序列模型（文本）
  • Audio / 音频

数据&资源

『Awesome Robot Descriptions』机器人描绘相关文献列表

github.com/robot-descr…

清单包括以下主题：

• Arms / 机械臂
• Bipeds / 双足机器人
• Dual Arms / 双臂机器人
• Drones / 无人机
• Educational / 教育机器人
• End Effectors / 末端辅佐机器人
• Mobile Manipulators / 轮动机械手
• Humanoids / 人形机器人
• Quadrupeds / 四足机器人

『3DMM and 3D Face Reconstruction and Manipulation』3D人脸重建与操作相关文献列表

github.com/AndrewChiyz…

清单包括以下主题：

• Deep learning (VAE & Encoder-decoder models)
• Deep learning (GAN models)
• Deep learning (Hybrid structures & Nonlinear 3DMM)
• Self-supervised
• High Fidelity, Face Texture, GAN Hallucination
• Face reconstruction from videos
• CVPR2019、CVPR2018、CVPR2017
• ICCV2019、ICCV2017、ECCV2018、CoRR
• TPAMI
• Dataset
• Models

研讨&论文

大众号后台回复关键字 日报，免费获取整理好的论文合辑。

科研开展

• 2022.09.07 『方针检测』 YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications
• 2022.08.03 『语义切割』 MinVIS: A Minimal Video Instance Segmentation Framework without Video-based Training
• 2022.09.12 『文本分类』 CSL: A Large-scale Chinese Scientific Literature Dataset

⚡ 论文：YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications

论文时刻：7 Sep 2022

范畴使命：object-detection, Object Detection, 方针检测

论文地址：arxiv.org/abs/2209.02…

代码完成：github.com/meituan/yol…

论文作者：Chuyi Li, Lulu Li, Hongliang Jiang, Kaiheng Weng, Yifei Geng, Liang Li, Zaidan Ke, Qingyuan Li, Meng Cheng, Weiqiang Nie, Yiduo Li, Bo Zhang, Yufei Liang, Linyuan Zhou, Xiaoming Xu, Xiangxiang Chu, Xiaoming Wei, Xiaolin Wei

论文简介：The YOLO community has prospered overwhelmingly to enrich its use in a multitude of hardware platforms and abundant scenarios./YOLO社区以压倒性的优势丰厚了其在很多硬件渠道和丰厚场景中的使用。

论文摘要：多年来，YOLO系列一直是高效物体检测的事实上的工业级规范。YOLO社区已经取得了压倒性的开展，以丰厚其在很多硬件渠道和丰厚场景中的使用。在这份技能陈述中，咱们尽力把它的极限推到一个新的水平，以坚定不移的心态向行业使用跨进。考虑到现实环境中对速度和准确性的不同要求，咱们广泛地研讨了工业界或学术界最新的物体检测开展。具体来说，咱们很多吸收了最近的网络规划、练习策略、测试技能、量化和优化办法的思维。在此基础上，咱们整合了咱们的主意和实践，建立了一套不同规划的可布置的网络，以习惯多样化的用例。在YOLO作者的慷慨许可下，咱们将其命名为YOLOv6。咱们也表示热烈欢迎用户和贡献者的进一步改善。关于功能的一瞥，咱们的YOLOv6-N在COCO数据集上到达了35.9%的AP，在NVIDIA Tesla T4 GPU上的吞吐量为1234 FPS。YOLOv6-S在495FPS的情况下到达了43.5%的AP，超过了其他相同规划的主流检测器~（YOLOv5-S、YOLOX-S和PPYOLOE-S）。咱们的量化版别YOLOv6-S甚至在869 FPS时带来了新的最先进的43.3%的AP。此外，YOLOv6-M/L也比其他具有类似推理速度的检测器取得了更好的准确性体现（即49.5%/52.3%）。咱们细心进行了试验，以验证每个组件的有效性。咱们的代码可在 github.com/meituan/YOL… 获取。

⚡ 论文：MinVIS: A Minimal Video Instance Segmentation Framework without Video-based Training

论文时刻：3 Aug 2022

范畴使命：Instance Segmentation, Semantic Segmentation, 语义切割，实例切割

论文地址：arxiv.org/abs/2208.02…

代码完成：github.com/nvlabs/minv…

论文作者：De-An Huang, Zhiding Yu, Anima Anandkumar

论文简介：By only training a query-based image instance segmentation model, MinVIS outperforms the previous best result on the challenging Occluded VIS dataset by over 10% AP./经过只练习一个根据查询的图画实例切割模型，MinVIS在具有应战性的Occluded VIS数据集上的体现超过了之前的最佳成果，AP超过了10%。

论文摘要：咱们提出了MinVIS，一个最小化的视频实例切割（VIS）结构，它既没有根据视频的架构，也没有练习程序，就能到达最先进的VIS功能。经过只练习一个根据查询的图画实例切割模型，MinVIS在具有应战性的Occluded VIS数据集上的体现比之前的最佳成果高出10%以上。由于MinVIS将练习视频中的帧视为独立的图画，咱们能够在不做任何修正的情况下对练习视频中的标注帧进行大幅度的子采样。在YouTube-VIS 2019/2021上，MinVIS只用了1%的标注帧，就超过了彻底监督的最先进的办法，或者与之适当。咱们的主要观察成果是，经过练习的查询在帧内物体实例之间具有判别才能，在时刻上是共同的，能够用来追踪实例，而不需要任何人工规划的启发式办法。因而，MinVIS有以下推理管道：咱们首先将练习好的根据查询的图画实例切割独立使用于视频帧。然后，经过对相应的查询进行双方匹配来追踪被切割的实例。这种推理是以在线方法进行的，不需要一次性处理整个视频。因而，MinVIS具有下降标签本钱和内存需求的实际优势，同时不献身VIS的功能。代码见：github.com/NVlabs/MinV…

⚡ 论文：CSL: A Large-scale Chinese Scientific Literature Dataset

论文时刻：12 Sep 2022

范畴使命：Text Classification，文本分类

论文地址：arxiv.org/abs/2209.05…

代码完成：github.com/ydli-ai/csl…

论文作者：Yudong Li, Yuqing Zhang, Zhe Zhao, Linlin Shen, Weijie Liu, Weiquan Mao, HUI ZHANG

论文简介：The CSL can serve as a Chinese corpus./CSL能够作为一个中文语料库。

论文摘要：科学文献作为一个高质量的语料库，支撑了很多的天然语言处理（NLP）研讨。但是，现有的数据集是以英语为中心的，这限制了中文科学NLP的开展。在这项工作中，咱们提出了CSL，一个大规划的中文科学文献数据集，它包括了396k篇论文的标题、摘要、关键词和学术范畴。就咱们所知，CSL是第一个中文科学文献数据集。CSL能够作为一个中文语料库。同时，这种半结构化的数据是一种天然的注释，能够构成许多有监督的NLP使命。根据CSL，咱们提出了一个基准来评价模型在科学范畴使命中的体现，即总结、关键词生成和文本分类。咱们剖析了现有文本到文本模型在评价使命上的行为，并揭示了中文科学NLP使命所面对的应战，这为未来的研讨供给了名贵的参阅。数据和代码可在 github.com/ydli-ai/CSL 获取

咱们是 ShowMeAI，致力于传播AI优质内容，共享行业处理方案，用知识加速每一次技能成长！

◉ 点击 日报合辑，在大众号内订阅论题 #ShowMeAI资讯日报，可接收每日最新推送。

◉ 点击 电子月刊，快速阅读月度合辑。