日报合辑 | 电子月刊 | 大众号下载材料 | @韩信子
卧槽！GitHub Trendind板块即将下线，微软也要降本增效了？
留意了! 趋势标签将被废弃。因为『今天热门存储库』和『今天热门开发者』两项功用运用率很低，从2022年9月30日起，标签将不再可用。
Trending 趋势是微软 GitHub 于 2018 年推出的一项功用，根据star、fork、提交、follow数等进行统计，每天更新8次，用以查看社区热门存储库和开发者。Trending Repositories 展现了前25个有潜力的开源项目，用户可对项目进行资助。
东西&框架
『hmr-benchmarks』3D姿势和形状估计基准测试
github.com/smplbody/hm…
MMHuman3D 是一个根据 PyTorch 的开源代码库，是 OpenMMLab 项意图一部分，用于在计算机视觉和计算机图形中运用三维人体参数模型。本项目建立在 MMHuman3D 的基础上，添加了多个功用。
『Lhotse』使语音和音频数据预备更灵敏的Python库
github.com/lhotse-spee…
lhotse.readthedocs.io/en/latest/
Lhotse是一个Python库，旨在使语音和音频数据的预备作业愈加灵敏，它是下一代Kaldi语音处理库的一部分。具有以下特色：
- 为常用的语料库供给规范的数据预备流程
- 为语音和音频相关使命供给 PyTorch 数据集类
- 为模型练习供给灵敏的数据预备，包含音频切割的概念
- 高效率，特别是在I/O带宽和存储容量方面
『Reloadium』为Python程序增加热重载功用，编辑代码可实时看到作用
github.com/reloadware/…
reloadium.io/
Reloadium为Python程序添加热重载和剖析功用，Reloadium在改变时将从头运转当前函数，开发人员能够当即得到代码是否正常作业的反应。
『Zed』超结构化数据东西，一种新的更简略的数据操作办法
github.com/brimdata/ze…
zed.brimdata.io/
Zed 供给了一种新的数据办法，使其更容易操作和管理你的数据。Zed 新的超级结构化数据模型，能够让紊乱的 JSON 数据很容易地被赋予联系表的彻底类型化的精确性。
『TorToiSe』以质量为重的多语音TTS体系
github.com/neonbjb/tor…
nonint.com/static/tort…
Tortoise 是一个的文本转语音程序，具有强壮的多声道能力、高度传神的发音&语调等优点。GitHub 项目包含在推理模式下运转 Tortoise TTS 所需的所有代码。
博文&共享
『开发者体会：探索与重塑』电子书
github.com/dx-angel/dx…
dx.phodal.com/
开发者体会是开发人员关于针对运用或希望运用的产品、体系或许服务的认知印象和回应。有所不同的是，用户重视的内容变为库，SDK，文档，框架，开源处理方案，通用东西，API 等的开发人员的体会。
作者经历了多个低代码前端项意图售前，以及一个低代码项意图技能实践强化后，发现国内的 IT 企业缺少关于『开发者体会』缺少体系性的思考。所以结合自己的项目经历、社区经验、国内外实际状况等，编写一个扼要的开发者体会电子书。
『Flamingo』用单个视觉言语模型搞定多个使命
www.deepmind.com/blog/tackli…
一个孩子看过书中几张动物的相片后，就能够在动物园中认出真实的动物，尽管两者之间存在差异。但要从图画中计数和辨认出动物（如『两只火烈鸟』），典型视觉模型必须搜集数千张图画，并用它们的数量和品种对每张图画进行注释。这个进程效率低、本钱高、资源密集，需求大量带注释的数据，并且每次面临新使命时都需求练习新模型。
论文『Flamingo: a Visual Language Model for Few-Shot Learning』介绍了 Flamingo 这种单一的视觉言语模型 (VLM) 只需几个特定使命的示例就能够处理许多难题，而无需任何额外的练习。
数据&资源
『Awesome BEV Perception from Multi-Cameras』多相机3D目标检测和俯视图分割文献列表
github.com/chaytonmin/…
『cpp-best-practices』C++ 最佳实践
github.com/cpp-best-pr…
此在线资源是 Jason Turner 搜集的 C++ 最佳实践资源的一部分。
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。
科研发展
- 2022.08.07 『图画分类』 No More Strided Convolutions or Pooling: A New CNN Building Block for Low-Resolution Images and Small Objects
- 2022.08.15 『计算机视觉』HoW-3D: Holistic 3D Wireframe Perception from a Single Image
- 2022.08.12 『意图辨认』Pre-training Tasks for User Intent Detection and Embedding Retrieval in E-commerce Search
- 2022.08.18 『重排序』Adaptive Re-Ranking with a Corpus Graph
⚡ 论文：No More Strided Convolutions or Pooling: A New CNN Building Block for Low-Resolution Images and Small Objects
论文时刻：7 Aug 2022
范畴使命：Image Classification, object-detection, 图画分类，目标检测
论文地址：arxiv.org/abs/2208.03…
代码完成：github.com/labsaint/sp…
论文作者：Raja Sunkara, Tie Luo
论文简介：Convolutional neural networks (CNNs) have made resounding success in many computer vision tasks such as image classification and object detection./卷积神经网络（CNN）在许多计算机视觉使命中取得了巨大的成功，如图画分类和物体检测。
论文摘要：卷积神经网络（CNN）在许多计算机视觉使命中取得了巨大的成功，如图画分类和物体检测。但是，在图画分辨率较低或物体较小的状况下，其功能会迅速下降。在本文中，咱们指出，这根源于现有CNN架构中一个有缺陷但又常见的规划，即运用分层卷积和/或池化层，这导致了细粒度信息的损失和学习不太有用的特征标明。为此，咱们提出了一个新的CNN构建模块，称为SPD-Conv，以替代每个分层卷积层和每个池化层（然后彻底消除它们）。SPD-Conv由一个空间-深度（SPD）层和一个非分层卷积（Conv）层组成，能够应用于大多数乃至所有的CNN架构。咱们在两个最具代表性的计算机视觉使命下解说这种新的规划：物体检测和图画分类。然后，咱们通过将SPD-Conv应用于YOLOv5和ResNet来创立新的CNN架构，并通过经验标明，咱们的办法明显优于最先进的深度学习模型，特别是在低分辨率图画和小物体的艰难使命上。咱们已将咱们的代码开源到了 github.com/LabSAINT/SP… 。
⚡ 论文：HoW-3D: Holistic 3D Wireframe Perception from a Single Image
论文时刻：15 Aug 2022
范畴使命：计算机视觉
论文地址：arxiv.org/abs/2208.06…
代码完成：github.com/wenchao-m/h…
论文作者：Wenchao Ma, Bin Tan, Nan Xue, Tianfu Wu, Xianwei Zheng, Gui-Song Xia
论文简介：This paper studies the problem of holistic 3D wireframe perception (HoW-3D), a new task of perceiving both the visible 3D wireframes and the invisible ones from single-view 2D images./本文研讨了全体三维线框感知（HoW-3D）的问题，这是一项从单视角二维图画中感知可见三维线框和不行见线框的新使命。
论文摘要：本文研讨了全体三维线框感知（HoW-3D）的问题，这是一项从单视角二维图画中感知可见三维线框和不行见线框的新使命。因为物体的非正面不能在单视图中直接观察到，在HoW-3D中估计非视线（NLOS）的几许形状是一个根本性的应战问题，在计算机视觉中依然是敞开的。咱们通过提出ABC-HoW基准来研讨HoW-3D的问题，该基准是在来自ABC数据集的CAD模型的基础上创立的，包含12000张单视图图画和相应的全体3D线框模型。有了大规划的ABC-HoW基准，咱们提出了一个新的深度空间格局塔（DSG）模型，以学习可见的连接点和线段为基础，然后通过遵循人类视觉体系的格局塔准则，从可见的头绪中揣度出NLOS三维结构。在咱们的实验中，咱们证明了咱们的DSG模型在从单视角图画揣度全体三维线框方面体现十分好。与强壮的基线办法比较，咱们的DSG模型在检测单视角图画中不行见的线条几许方面优于之前的线框检测器，乃至与之前将高保真点云作为重构3D线框的输入的艺术比较，也十分有竞争力。
⚡ 论文：Pre-training Tasks for User Intent Detection and Embedding Retrieval in E-commerce Search
论文时刻：12 Aug 2022
范畴使命：Intent Detection, Question Answering, 意图辨认，问答体系
论文地址：arxiv.org/abs/2208.06…
代码完成：github.com/jdcomsearch…
论文作者：Yiming Qiu, Chenyu Zhao, Han Zhang, Jingwei Zhuo, TianHao Li, Xiaowei Zhang, Songlin Wang, Sulong Xu, Bo Long, Wen-Yun Yang
论文简介：Pretrain-Finetune paradigm recently becomes prevalent in many NLP tasks: question answering, text classification, sequence labeling and so on./预练习-微调范式最近在许多NLP使命中变得很盛行：问题回答、文本分类、序列标签等。
论文摘要：预练习-微调范式最近在许多NLP使命中变得很盛行：问题回答、文本分类、序列标签等等。作为最先进的模型，在一般语料库（如维基百科）上预练习的BERT已被广泛用于这些使命中。但是，这些BERT式的模型在某些场景下依然显示出局限性，特别是关于以下两种状况：一种是包含与一般语料库维基百科十分不同的文本的语料库，另一种是为特定意图学习嵌入空间散布的使命（例如，近似的近邻查找）。在本文中，为了处理咱们在工业电子商务查找体系中也遇到的上述窘境，咱们为两个关键模块提出了新颖的定制化预练习使命：用户意图检测和语义嵌入检索。经过特定微调的定制化预练习模型，其规划不到BERT-base的10%，以便在具有本钱效益的CPU服务方面是可行的，在离线评估指标和在线效益方面都明显改善了其他同行。为了可重复性和未来的作业，咱们现已敞开了咱们的数据集。
⚡ 论文：Adaptive Re-Ranking with a Corpus Graph
论文时刻：18 Aug 2022
范畴使命：Passage Ranking, Re-Ranking，重排序
论文地址：arxiv.org/abs/2208.08…
代码完成：github.com/terrierteam…
论文作者：Sean MacAvaney, Nicola Tonellotto, Craig Macdonald
论文简介：Search systems often employ a re-ranking pipeline, wherein documents (or passages) from an initial pool of candidates are assigned new ranking scores./查找体系一般选用一个从头排名的管道，其间来自初始候选池的文件（或阶段）被分配新的排名分数。
论文摘要：查找体系一般选用一个从头排名的管道，其间来自最初的候选池的文件（或阶段）被分配新的排名分数。这个进程能够运用高效但贵重的评分函数，这些函数不适合直接用于倒置指数或近似近邻指数等结构。但是，从头排名的管道本质上遭到初始候选库的召回率的约束；那些没有被初始检索函数确认为从头排名的候选文件无法被辨认。咱们提出了一种新的办法来战胜根据公认的聚类假说的召回约束。在整个从头排名的进程中，咱们的办法将那些与到目前为止得分最高的文件最相似的文件添加到池中。这个反应进程使候选文件池适应那些或许也会发生高排名分数的文件，即使它们不在最初的文件池中。它还能够进步那些出现在池子深处的文件的分数，不然这些文件会因为有限的从头排名预算而被跳过。咱们发现，咱们的根据图形的自适应重排（GAR）办法在精度和召回率方面明显进步了重排管道的功能，是对各种现有技能（如密集检索）的弥补，对其超参数是稳健的，并且对计算和存储本钱的奉献最小。例如，在MS MARCO通道排名数据集上，当应用monoT5排名器时，GAR能够将BM25候选库的nDCG进步8%。
咱们是 ShowMeAI，致力于传达AI优质内容，共享职业处理方案，用知识加速每一次技能生长！
◉ 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。
