携手创作，一起生长！这是我参加「日新计划 8 月更文挑战」的第23天，点击检查活动概况

ShowMeAI日报系列全新升级！掩盖AI人工智能 东西&结构 | 项目&代码 | 博文&分享 | 数据&资源 | 研讨&论文 等方向。点击检查 历史文章列表，在大众号内订阅论题 #ShowMeAI资讯日报，可接纳每日最新推送。点击 专题合辑&电子月刊 快速阅读各专题全集。

15岁男孩溺水遇险，高科技警用机器人展开急速救援

www.yunzhou-tech.com/info/363.ht…

近日山东威海一名15岁男孩在一处海域游泳时，因风浪太大难以上岸，体力不支堕入险境，民警赶赴现场后控制水上救生机器人快速的将男孩救回。这款上演了『急速救援』的水面救生机器人是『海豚1号』，是云洲智能自主研制出产的一款长途遥控操作的智能化救援设备。

『海豚1号』空载航速度达3.6m/s，是普通救生员的三倍，能负载200千克的重量，具有一起救援2-3人的强壮应急才能，且有35分钟长续航、800米超远距离遥控等特性，可习惯3级海况。救援人员无须下水，只需将其抛掷到水面，在岸边或船上遥控施救即可，大大的提升了水上救援的速度和安全性。

东西&结构

『StemRoller』免费的音源别离东西

github.com/stemrollera…

www.stemroller.com/

StemRoller是第一个免费的人声和乐器别离运用程序，可从从歌曲中别离出人声、鼓声、贝斯和其他乐器声部，只需点击一下就可以完成，StemRoller运用Facebook最先进的Demucs算法对歌曲进行拆分，并整合了YouTube的搜索结果。

『Nativefier』将网页转换成桌面运用(Mac)

github.com/nativefier/…

Nativefier 是一个命令行东西，可以轻松地为任何网站创立一个 “桌面运用程序”，方便快捷翻开。运用程序依据Electron（它运用Chromium引擎）封装成可在Windows、macOS和Linux上运用的操作系统执行文件（.app、.exe等）。封装完成后，大家无需再翻开阅读器在众多标签页中搜索查找想要的内容，而可以直接点击进入对应的网站页面。

『OpenKS(知目)』范畴可泛化的常识学习与核算引擎

github.com/ZJU-OpenKS/…

OpenKS 是常识核算引擎项目中的基础软件架构，由浙江大学牵头，联合北京大学、北京航空航天大学、哈尔滨工业大学、西北工业大学、之江实验室等顶尖学术组织、百度等行业领军企业联合建造。它可完成模型的大规划分布式练习与图核算，解决了从数据到常识，从常识到决策中的三大问题。OpenKS集成大量算法和解决方案，供给了一系列常识学习与核算的多层级接口标准，可供各组织研制人员以一致的形式进行算法模型研讨成果的封装、集成与服务，并经过开源机制支撑企业和社区开发者依据不同的场景需求对接口服务进行调用和进一步开发。

『ArXiv LaTeX』论文提交准备东西

本东西中供给了可清理和平坦格式化ArXiv LaTeX提交论文的Python脚本。

github.com/davidstutz/…

博文&分享

『机器学习论文编撰指南』How to ML Paper

docs.google.com/document/d/…

作者总结了标准的论文结构，列出以下几个部分及各自内容格式与关键： Abstract、Introduction、Related Work、Background、Method、Experimental Setup、Results and Discussion、Conclusion。此外，指南也给出了常见的写作误区和建议List，可以打印出来，当作论文写作的自查清单！

『Kaggle 数据科学入门教程』系列Notebook引荐

www.kaggle.com/code/kannca…

本教程介绍成为一名数据科学家所需要的常识技术储藏——基本东西（python、R、SQL）、统计学基本常识、数据处理、数据可视化、机器学习等，争取不多不少刚刚好。

• Introduction to Python / Python简介
• Python Data Science Toolbox / Python数据科学东西箱
• Cleaning Data Diagnose / 清洁数据确诊
• Pandas Foundation / Pandas基础
• Manipulating Data Frames with Pandas / 用 Pandas 处理 DataFrame
• Data Visualization / 数据可视化
• Machine Learning / 机器学习
• Deep Learning / 深度学习
• Time Series Prediction / 时刻序列预测
• Statistic / 统计学
• Convolutional Neural Network / 卷积神经网络
• Recurrent Neural Network / 递归神经网络

数据&资源

『EECS 4422 Computer Vision | York University』约克大学《核算机视觉》课程材料

www.eecs.yorku.ca/~kosta/Cour…

EECS 4422是约克大学开放的《核算机视觉》课程，课程核心内容掩盖 图画构成过程、图画表示、特征提取、立体视觉、运动分析、三维参数估计和运用等。

研讨&论文

大众号回复关键字日报，免费获取整理好的论文合辑。

科研进展

• 2022.07.30 『新视角组成』MobileNeRF: Exploiting the Polygon Rasterization Pipeline for Efficient Neural Field Rendering on Mobile Architectures
• 2022.08.10 『图画分类』Patching open-vocabulary models by interpolating weights
• BigScience (ACL) 2022 『图画分类』GPT-NeoX-20B: An Open-Source Autoregressive Language Model
• 2022.05.04 『无数据量化』Patch Similarity Aware Data-Free Quantization for Vision Transformers

⚡ 论文：MobileNeRF: Exploiting the Polygon Rasterization Pipeline for Efficient Neural Field Rendering on Mobile Architectures

论文时刻：30 Jul 2022

范畴使命：Novel View Synthesis，新视角组成

论文地址：arxiv.org/abs/2208.00…

代码完成：github.com/google-rese…

论文作者：Zhiqin Chen, Thomas Funkhouser, Peter Hedman, Andrea Tagliasacchi

论文简介：Neural Radiance Fields (NeRFs) have demonstrated amazing ability to synthesize images of 3D scenes from novel views./神经辐射场（NeRFs）在从头的视图中组成3D场景的图画方面表现出惊人的才能。

论文摘要：神经辐射场（NeRFs）在从头视图组成三维场景的图画方面表现出惊人的才能。但是，它们依赖于依据射线行进的专门的体积烘托算法，这与广泛布置的图形硬件的才能不匹配。本文介绍了一种新的依据纹路多边形的NeRF表示法，它可以用标准烘托管道有用地组成新的图画。NeRF被表示为一组多边形，其纹路代表二进制不透明度和特征向量。用Z型缓冲器对多边形进行传统的烘托，得到的图画在每个像素上都有特征，这些特征被运行在片段着色器中的一个小型的、依赖于视图的MLP解说，以发生终究的像素色彩。这种办法使NeRFs可以用传统的多边形光栅化管道进行烘托，它供给了大规划的像素级并行性，在包括手机在内的各种核算渠道上完成了交互式帧率。

⚡ 论文：Patching open-vocabulary models by interpolating weights

论文时刻：10 Aug 2022

范畴使命：Image Classification，图画分类

论文地址：arxiv.org/abs/2208.05…

代码完成：github.com/mlfoundatio…

论文作者：Gabriel Ilharco, Mitchell Wortsman, Samir Yitzhak Gadre, Shuran Song, Hannaneh Hajishirzi, Simon Kornblith, Ali Farhadi, Ludwig Schmidt

论文简介：We study model patching, where the goal is to improve accuracy on specific tasks without degrading accuracy on tasks where performance is already adequate./咱们研讨了模型的修补，其目的是在不降低功能现已满足的使命的准确性的情况下进步特定使命的准确性。

论文摘要：像CLIP这样的开放词汇模型在许多图画分类使命中完成了高精确度。但是，仍有一些情况下，它们的零次拍照功能远非最佳。咱们研讨了模型的修补，其方针是在不降低功能现已满足的使命的准确性的情况下进步特定使命的准确性。为了完成这一方针，咱们引入了PAINT，这是一种修补办法，运用微调前的模型权重和微调后的权重之间的插值来修补一个使命。在九项零拍CLIP表现不佳的使命上，PAINT将准确性进步了15到60个百分点，一起在ImageNet上将准确性保持在零拍模型的一个百分点之内。PAINT还答应一个单一的模型在多个使命上进行修补，并跟着模型规划的扩展而改进。此外，咱们还发现了一些广泛的转移事例，在一个使命上打补丁可以进步其他使命的准确性，即便这些使命的类别不相干。最后，咱们查询了普通基准以外的运用，如核算或削减对CLIP的字体进犯的影响。咱们的发现标明，有可能扩展开放词汇模型达到高准确性的使命集，而不需要从头开始从头练习它们。

⚡ 论文：GPT-NeoX-20B: An Open-Source Autoregressive Language Model

论文时刻：BigScience (ACL) 2022

范畴使命：Language Modelling，言语模型

论文地址：arxiv.org/abs/2204.06…

代码完成：github.com/eleutherai/…

论文作者：Sid Black, Stella Biderman, Eric Hallahan, Quentin Anthony, Leo Gao, Laurence Golding, Horace He, Connor Leahy, Kyle McDonell, Jason Phang, Michael Pieler, USVSN Sai Prashanth, Shivanshu Purohit, Laria Reynolds, Jonathan Tow, Ben Wang, Samuel Weinbach

论文简介：We introduce GPT-NeoX-20B, a 20 billion parameter autoregressive language model trained on the Pile, whose weights will be made freely and openly available to the public through a permissive license./咱们介绍GPT-NeoX-20B，这是一个在Pile上练习的200亿个参数的自回归言语模型，其权重将经过一个答应的许可免费向大众开放。

论文摘要：咱们介绍GPT-NeoX-20B，这是一个在Pile上练习的200亿个参数的自回归言语模型，其权重将经过答应性许可向大众免费揭露。据咱们所知，这是在提交时具有揭露权重的最大的密布自回归模型。在这项工作中，咱们描述了model{}的架构和练习，并评价了它在一系列言语理解、数学和依据常识的使命上的表现。咱们发现，GPT-NeoX-20B是一个特别强壮的几枪推理器，在评价五枪时，其功能的提升远远超过了相似规划的GPT-3和FairSeq模型。咱们开源了练习和评价代码以及模型权重，网址是github.com/EleutherAI/…

⚡ 论文：Patch Similarity Aware Data-Free Quantization for Vision Transformers

论文时刻：4 Mar 2022

范畴使命：Data Free Quantization，无数据量化

论文地址：arxiv.org/abs/2203.02…

代码完成：github.com/zkkli/psaq-…

论文作者：Zhikai Li, Liping Ma, Mengjuan Chen, Junrui Xiao, Qingyi Gu

论文简介：Vision transformers have recently gained great success on various computer vision tasks; nevertheless, their high model complexity makes it challenging to deploy on resource-constrained devices./视觉transformers最近在各种核算机视觉使命上获得了巨大的成功；但是，它们的高模型复杂性使其在资源有限的设备上的布置具有挑战性。

论文摘要：视觉transformers最近在各种核算机视觉使命上获得了巨大的成功；但是，它们的高模型复杂性使其在资源受限的设备上的布置具有挑战性。量化是降低模型复杂性的有用办法，而无数据量化可以解决模型布置过程中的数据隐私和安全问题，因而受到广泛重视。不幸的是，所有现有的办法，如BN正则化，都是为卷积神经网络规划的，不能运用于模型结构明显不同的视觉变换器。在本文中，咱们提出了PSAQ-ViT，一个用于视觉变换器的补丁相似性感知的无数据量化结构，以便可以依据视觉变换器的独特特点生成 “实际的 “样本来校准量化参数。具体来说，咱们分析了自我留意模块的特点，并提醒了其在处理高斯噪声和实在图画时的一般差异（补丁相似性）。上述见地辅导咱们规划了一个相对值目标，以优化高斯噪声来接近实在图画，然后利用它来校准量化参数。在各种基准上进行了广泛的实验和融化研讨，以验证PSAQ-ViT的有用性，它乃至可以优于实在数据驱动的办法。

咱们是 ShowMeAI，致力于传播AI优质内容，分享行业解决方案，用常识加快每一次技术生长！点击检查 历史文章列表，在大众号内订阅论题 #ShowMeAI资讯日报，可接纳每日最新推送。点击 专题合辑&电子月刊 快速阅读各专题全集。

• 作者：韩信子@ShowMeAI
• 历史文章列表
• 专题合辑&电子月刊
• 声明：版权所有，转载请联络渠道与作者并注明出处
• 欢迎回复，托付点赞，留言引荐中有价值的文章、东西或建议，咱们都会尽快回复哒~