我报名参与金石计划1期挑战——瓜分10万奖池，这是我的第X篇文章，点击检查活动概况
日报合辑 | 电子月刊 | 大众号下载材料 | @韩信子
好莱坞全明星版『华强买瓜』：你这 AI 保熟吗？
weibo.com/2395607675/…
一起来看看 AI 最近又搞出了什么好玩意儿！哦，原来是华强去好莱坞买！西！瓜！
作者运用了 Deforum Stable Diffusion AI 支撑的人工智能重绘视频功用。画面是加载原视频后，直接依据输入文字的改变生成的。一句话换艺人，再也不怕明星塌房了←_← （微博作者：大谷Spitzer）
东西&结构
『XRLocalization』可视化定位东西包和服务器
github.com/openxrlab/x…
XRLocalization 是一个依据 Python 的开源可视化本地化东西箱，它是 OpenXRLab 项目的一部分。它具备以下特点：
- 稳健高效的依据特征的大规模视觉定位
- 一起支撑离线和在线的视觉定位
- 一个分层结构，可以很容易地整合新的特征和匹配办法
『Feature-engine』Scikit-Learn 风格的特征工程东西包
github.com/feature-eng…
feature-engine.readthedocs.io/en/latest/i…
Feature-engine 是一个 Python 库，它有多个转化器，用于设计和挑选用于机器学习模型的特征。 Feature-engine 的转化器遵从 Scikit-learn 的功用，选用fit()和transform()办法，从数据中学习转化参数，然后进行转化。
『compose』面向猜测工程主动化的机器学习东西
github.com/alteryx/com…
compose.alteryx.com/en/stable/
Compose 是一个用于主动猜测工程的机器学习东西。它使得你可以轻松构建猜测问题并为监督学习生成标签。
终端用户经过界说标签函数来界说一个感兴趣的成果，然后运转查找，从历史数据中主动提取训练实例，随后供给给 Featuretools 主动特征工程，再供给给 EvalML 用于主动机器学习，就构建成了一个完整的应用机器学习作业流程。
『ZLMediaKit』一个依据C++11的高功能运营级流媒体服务结构
github.com/ZLMediaKit/…
ZLMediaKit 是一个依据 C++11 的高功能运营级流媒体服务结构，代码安稳可靠，功能优越。它支撑多种协议(RTSP / RTMP / HLS / HTTP-FLV / WebSocket-FLV / GB28181 / HTTP-TS / WebSocket-TS / HTTP-fMP4 / WebSocket-fMP4 / MP4 / WebRTC)，支撑协议互转；运用多路复用 / 多线程 / 异步网络IO形式开发，并发功能优越，支撑海量客户端衔接；支撑linux、macos、ios、android、windows全渠道；支撑画面秒开、极低延时，是十分不错的移动嵌入式跨渠道流媒体解决计划。
『XRNerf』神经辐射场 (NeRF)东西包和基准测试
github.com/openxrlab/x…
XRNeRF 是一个依据 PyTorch 的神经辐射场（NeRF）的开源代码库，也是 OpenXRLab 项目的一部分。支撑的场景类神经渲染办法包含：NeRF、Mip-NeRF、KiloNeRF、Instant NGP；支撑的人体类神经渲染办法包含：NeuralBody、AniNeRF、GNR。
博文&共享
『How to create a dashboard in Python with Jupyter Notebook』用Jupyter 创立 dashboard 指南
mljar.com/blog/dashbo…
dashboard-jupyter-notebook.herokuapp.com/app/1
只需要 9 行 Python 代码，就可以在 Jupyter Notebook 中创立仪表板！作者以股票数据表&图表为例，展现了运用 Jupyter Notebook 在 Python 中创立仪表板，并运用 Mercury 结构将 Notebook 转换为交互式 Web 应用程序的全流程。
点击上方第二个链接，体验在线交互版，检查TSLA、COIN、MSFT、PLTR、SNOW、NFLX等股票的数据与走势。
『Enhance Your English Writing』英语写作强化宝典
github.com/yzy1996/Eng…
阅览论文过程中收集整理的一些好的英语用法，可以大体做如下分类，希望能协助到你的写作：
- General（通用型词汇&话术）：好的英语词汇、按文章 Structure 细分话术（Abstract / Introduction / Related Work / Method / …）、公式相关、数学符号
- Specific Domain（自己小方向的一些话术）
数据&资源
『Awesome Graph Transformer Papers』 Graph Transformer相关论文大合辑
github.com/ChandlerBan…
『ACL Anthology Corpus』ACL文集语料库数据集
github.com/shauryr/ACL…
Repo 为 ACL 选集供给全文和元数据（截至 2022 年 9 月，共有 8 万篇文章/海报），还包含 .pdf 文件和 pdf 的 grobid 提取。
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。
科研进展
- 2022.09.02 『言语模型』 FOLIO: Natural Language Reasoning with First-Order Logic
- 2020.08.05 『自然言语处理』 Generalized Word Shift Graphs: A Method for Visualizing and Explaining Pairwise Comparisons Between Texts
- 2022.08.30 『无人驾驶』 MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction
⚡ 论文：FOLIO: Natural Language Reasoning with First-Order Logic
论文时刻：2 Sep 2022
范畴使命：Language Modelling, Translation，言语模型，机器翻译
论文地址：arxiv.org/abs/2209.00…
代码完成：github.com/yale-lily/f…
论文作者：Simeng Han, Hailey Schoelkopf, Yilun Zhao, Zhenting Qi, Martin Riddell, Luke Benson, Lucy Sun, Ekaterina Zubova, Yujie Qiao, Matthew Burtell, David Peng, Jonathan Fan, Yixin Liu, Brian Wong, Malcolm Sailor, Ansong Ni, Linyong Nan, Jungo Kasai, Tao Yu, Rui Zhang, Shafiq Joty, Alexander R. Fabbri, Wojciech Kryscinski, Xi Victoria Lin, Caiming Xiong, Dragomir Radev
论文简介：We present FOLIO, a human-annotated, open-domain, and logically complex and diverse dataset for reasoning in natural language (NL), equipped with first order logic (FOL) annotations./咱们提出了FOLIO，一个由人类注释的、敞开范畴的、逻辑上杂乱多样的自然言语（NL）推理数据集，装备了一阶逻辑（FOL）注释。
论文摘要：咱们提出了FOLIO，一个由人类注释的、敞开范畴的、逻辑上杂乱多样的自然言语（NL）推理数据集，装备了一阶逻辑（FOL）注释。FOLIO由1435个例子（独特的定论）组成，每个例子都与487套条件之一配对，这些条件作为规则被用来对每个定论的正确性进行推理。条件和定论的逻辑正确性由其平行的FOL注释来确保，这些注释由咱们的FOL推理引擎主动验证。除了主要的NL推理使命，FOLIO中的NL-FOL对主动构成一个新的NL-FOL翻译数据集，运用FOL作为逻辑形式。咱们在FOLIO上的试验系统地评估了中型言语模型（BERT、RoBERTa）上的监督微调和大型言语模型（GPT-NeoX、OPT、GPT-3、Codex）上的少量提示的FOL推理才能。关于NL-FOL翻译，咱们用GPT-3和Codex进行试验。咱们的成果显现，揭露的最有才能的大型言语模型（LLM）之一，GPT-3 davinci，在FOLIO的一个子集上运用几个prompt，只取得了略好于随机的成果，并且该模型在猜测False和Unknown定论的正确真值方面特别糟糕。咱们的数据集和代码可在 github.com/Yale-LILY/F… 获取。
⚡ 论文：Generalized Word Shift Graphs: A Method for Visualizing and Explaining Pairwise Comparisons Between Texts
论文时刻：5 Aug 2020
范畴使命：自然言语处理
论文地址：arxiv.org/abs/2008.02…
代码完成：github.com/ryanjgallag… , github.com/JasonKessle… , github.com/john-guerra…
论文作者：Ryan J. Gallagher, Morgan R. Frank, Lewis Mitchell, Aaron J. Schwartz, Andrew J. Reagan, Christopher M. Danforth, Peter Sheridan Dodds
论文简介：A common task in computational text analyses is to quantify how two corpora differ according to a measurement like word frequency, sentiment, or information content./核算性文本剖析中的一项常见使命是量化两个语料库在词频、情感或信息内容等丈量方面的差异。
论文摘要：核算性文本剖析中的一项常见使命是依据词频、情感或信息内容等丈量办法来量化两个语料库的差异。然而，将文本的丰富故事折叠成一个单一的数字，在概念上往往是危险的，而且很难自信地解说风趣或意外的文本形式，而不忧虑数据伪装或丈量的有效性。为了更好地捕捉文本之间的细微差别，咱们引入了广义的词移图，它可以产生一个有意义的、可解说的总结，即关于任何可以被表述为加权均匀的丈量，单个词对两个文本之间的改变的奉献。咱们表明，这个结构自然地包含了许多最常用的文本比较办法，包含相对频率、字典分数和依据熵的办法，如Kullback-Leibler和Jensen-Shannon分歧。经过几个案例研讨，咱们展现了广义词移图如何灵敏地应用于各范畴的诊断性调查、假定生成和实质性解说。经过供给对语料库之间文本转变的详细透视，广义词移图协助核算社会科学家、数字人文学者和其他文本剖析从业者形成更有力的科学叙述。
⚡ 论文：MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction
论文时刻：30 Aug 2022
范畴使命：Autonomous Driving，无人驾驶
论文地址：arxiv.org/abs/2208.14…
代码完成：github.com/hustvl/mapt…
论文作者：Bencheng Liao, Shaoyu Chen, Xinggang Wang, Tianheng Cheng, Qian Zhang, Wenyu Liu, Chang Huang
论文简介：We adopt a hierarchical query embedding scheme to flexibly encode structured map information and perform hierarchical bipartite matching for map element learning./咱们选用分层查询嵌入计划来灵敏编码结构化地图信息，并对地图元素学习进行分层双点匹配。
论文摘要：咱们提出了MapTR，一个用于高效在线矢量高清地图构建的结构化端到端结构。咱们提出了一种一致的依据包络的建模办法，即把地图元素建模为具有一组等价包络的点集，这就避免了地图元素界说的含糊性并简化了学习。咱们选用分层查询嵌入计划来灵敏编码结构化的地图信息，并对地图元素的学习进行分层双比特匹配。MapTR在nuScenes数据集上完成了现有矢量地图构建办法中最好的功能和效率。特别是，MapTR-nano在RTX 3090上以实时推理速度（25.1 FPS）运转，比现有最先进的依据摄像头的办法快8倍，一起完成了3.3倍的mAP。MapTR-tiny在速度较快的一起，显着优于现有的最先进的多形式办法，达到13.5 mAP。定性成果表明，MapTR在杂乱的各种驾驶场景中坚持了安稳和强大的地图构建质量。在 github.com/hustvl/MapT… 上有很多的演示，以证明其在真实国际场景中的有效性。MapTR在主动驾驶中具有很大的应用价值。咱们将发布代码以促进进一步的研讨和应用。
咱们是 ShowMeAI，致力于传达AI优质内容，共享职业解决计划，用常识加速每一次技能生长！
◉ 点击 日报合辑，在大众号内订阅话题 #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。
