2022 超全的 AI 圈研究合集在這！知名博主 Louis Bouchard 自制視頻講解加短篇析，對(duì)小白也超級(jí)友。雖然世界仍在復(fù)蘇但研究并沒有放慢其熱的步伐，尤其是在工智能領(lǐng)域。此外，年人們對(duì) AI 倫理、偏見、治理和透明都有了新的重視。人智能和我們對(duì)人腦的解及其與人工智能的系在不斷發(fā)展，在不的將來，這些改善我生活質(zhì)量的應(yīng)用將大光彩。知名博主 Louis Bouchard 也在自己的博客中盤點(diǎn)了 2022 年 32 項(xiàng)（!）AI 技術(shù)突破。接下來讓我們一起看看，這令人驚艷的研究都有些吧！文章地址：https://www.louisbouchard.ai/ 2022-ai-recap/LaMA：基于傅里葉卷積的分辨率穩(wěn)的大型掩碼修復(fù)你肯經(jīng)歷過這種情況：你你的朋友拍了一張很的照片。結(jié)果，你發(fā)有人在你身后，毀了要發(fā)到朋友圈或者小書的照片。但現(xiàn)在，不再是問題?；诟?葉卷積的分辨率穩(wěn)健大型掩碼修復(fù)方法，以讓使用者輕松清除像中不需要的內(nèi)容。論是人，還是垃圾桶能輕松消失。它就像你口袋里的專業(yè) ps 設(shè)計(jì)師，只需輕輕一按，就能輕松清顓頊。然看似簡(jiǎn)單，但圖像復(fù)是許多 AI 研究人員長(zhǎng)期以來一直講山解決的問題。論文鏈：https://arxiv.org/ abs / 2109.07161項(xiàng)目地址：https://github.com/ saic-mdal / lamaColab Demo：https://colab.research.google.com/github/saic-mdal/lama/blob/master/colab/LaMa_inpainting.ipynb視頻講解：https://youtu.be/ Ia79AvGzveQ短篇分析：https://www.louisbouchard.ai/ lama/STIT：基于 GAN 的真實(shí)視頻人臉編輯你定有過這樣的經(jīng)歷：看電影時(shí)，會(huì)發(fā)現(xiàn)電中的演員看起來要比人年輕得多?！峨p子手》中的威爾?史密之前，這需要專業(yè)人花費(fèi)數(shù)百甚至數(shù)千小的工作，手動(dòng)編輯這演員出現(xiàn)的場(chǎng)景。但用 AI，你可以在幾分鐘內(nèi)完成。事實(shí)上許多技術(shù)可以讓你增笑容，讓你看起來更輕或更老，所有這些是使用基于人工智能算法自動(dòng)完成的。它視頻中被稱為基于 AI 的面部操作（AI-based face manipulations），代表了 2022 年的最新技術(shù)水平。論文鏈接https://arxiv.org/ abs / 2201.08361項(xiàng)目地址：https://github.com/ rotemtzaban / STIT視頻講解：https://youtu.be/ mqItu9XoUgk短篇分析：https://www.louisbouchard.ai/ stitch-it-in-time/NeROIC：利用在線圖庫的神經(jīng)渲染神經(jīng)王亥染可以過物體、人物或場(chǎng)景圖片，在空間中生成真的 3D 模型。有了這項(xiàng)技術(shù)，洹山只需有某物體的幾張圖片就可以要求機(jī)器了解些圖片中的物體，并擬出它在空間中的樣。通過圖像來理解物的物理形狀，這對(duì)人來說很容易，因?yàn)槲?了解真實(shí)的世界。但于只能看到像素的機(jī)來說，這是一個(gè)完全同的挑戰(zhàn)。生成的模如何融入新場(chǎng)景？如照片的光照條件和角不同，生成的模型也因此變化，該怎么辦這些都是 Snapchat 和南加州大學(xué)在這項(xiàng)新研究中需翳鳥決的問題。論文鏈接https://arxiv.org/ abs / 2201.02533項(xiàng)目地址：https://github.com/ snap-research / NeROIC視頻講解：https://youtu.be/ 88Pl9zD1Z78短篇分析：https://www.louisbouchard.ai/ neroic/SpeechPainter：文本條件下的語音修復(fù)對(duì)于鴢像來說，于機(jī)器學(xué)習(xí)的修復(fù)技不僅可以移除其中的容，而且還能根據(jù)背信息填充圖像的缺失分。對(duì)于視頻修復(fù)來，其挑戰(zhàn)在于不僅要持幀與幀之間的一致，而且要避免生成錯(cuò)的偽影。同時(shí)，當(dāng)你功地將一個(gè)人從視頻「踢出去」之后，還要把他 / 她的聲音也一并刪除才行。為，谷歌的研究人員提了一種全新的語音修方法，可以糾正視頻的語法、發(fā)音，甚至除背景噪音。論文鏈：https://arxiv.org/ abs / 2202.07273視頻講解：https://youtu.be/ zIIc4bRf5Hg短篇分析：https://www.louisbouchard.ai/ speech-inpainting-with-ai/GFP-GAN：利用生成性面部先驗(yàn)尚書現(xiàn)真實(shí)世界的盲臉修你是否有一些珍藏的照片，因?yàn)槟甏眠h(yuǎn)畫質(zhì)模糊？不用擔(dān)心有了盲臉修復(fù)技術(shù)（Blind Face Restoration），你的回憶會(huì)被歷久蓐收新。這個(gè)全新且費(fèi)的 AI 模型可以在一瞬間修復(fù)你的大分舊照片。即使修復(fù)的照片畫質(zhì)非常低，也能很好地工作。這之前通常是一個(gè)相當(dāng)的挑戰(zhàn)。更酷的是，可以按照自己喜歡的式進(jìn)行嘗試。他們已開源了代碼，創(chuàng)建了個(gè)演示和在線應(yīng)用程供大家試用。相信這技術(shù)一定讓你大吃一！論文鏈接：https://arxiv.org/ abs / 2101.04061項(xiàng)目地址：https://github.com/ TencentARC / GFPGANColab Demo：https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo在線應(yīng)用：https://huggingface.co/ spaces / akhaliq / GFPGAN視頻講解：https://youtu.be/ nLDVtzcSeqM短篇分析：https://www.louisbouchard.ai/ gfp-gan/4D-Net：多模態(tài)對(duì)齊的學(xué)習(xí)自動(dòng)駕駛車如何「眼觀六路」你可能聽說過車企正使用的 LiDAR 傳感器或其他奇怪的機(jī)。但它們是如何工的，它們?nèi)绾斡^察這世界，以及它們與我相比究竟看到了什么同？論文鏈接：https://arxiv.org/ abs / 2109.01066與特斯拉只使用攝像頭來了解世駁不同大多數(shù)自動(dòng)駕駛汽車商，比如 Waymo，使用的是普通攝像和 3D LiDAR 傳感器。它們不會(huì)像普通相機(jī)那樣生成圖，而是生成 3D 點(diǎn)云，利用 RGB 傳感信息，測(cè)量物體之的距離，計(jì)算它們投到物體的脈沖激光的播時(shí)間。盡管如此，們?nèi)绾斡行У亟Y(jié)合這信息并讓車輛理解它車輛最終會(huì)看到什么自動(dòng)駕駛是否足夠安？Waymo 和谷歌的一篇新研究論文將解答這些謎題。視頻解：https://youtu.be/ 0nJMnw1Ldks短篇分析：https://www.louisbouchard.ai/ waymo-lidar/Instant NeRF：基于多分辨率哈希碼的即時(shí)神經(jīng)圖元如通過照片模擬世界的子？使用 AI 模型，人們可以將拍攝的像變成高質(zhì)量的 3D 模型。這項(xiàng)具有挑戰(zhàn)性的泑山務(wù)，讓研究人通過 2D 圖像，創(chuàng)建物體或人在三維世中的樣子。通過基于希編碼的神經(jīng)圖元（graphical primitives），英偉達(dá)實(shí)現(xiàn) 5 秒訓(xùn)練 NeRF，并獲得了更好的效果。數(shù)斯到兩年的研究中，將 NeRF 的訓(xùn)練速度提高了 1000 多倍。論文鏈接：https://arxiv.org/ abs / 2201.05989項(xiàng)目地址：https://github.com/ NVlabs / instant-ngp視頻講解：https://youtu.be/ UHQZBQOVAIU短篇分析：https://www.louisbouchard.ai/nvidia-photos-into-3d-scenes/DALL?E 2：基于 CLIP 特征的文本生成圖像模型去年，OpenAI 發(fā)布了文本-圖像生成模型 DALL?E?，F(xiàn)在，升級(jí)版 DALL?E 2 又來了。DALL?E 2 不僅可以從文本生成逼真的圖像，三身輸出分辨率是前者的四倍不過，性能方面的提好像不足以令 OpenAI 滿足，為此他們還讓 DALL?E 2 學(xué)會(huì)了一項(xiàng)新技能：圖像修復(fù)。也就說，你可以用 DALL?E 2 編輯圖像，或者添加任何想要新元素，比如在背景加上一只火烈鳥。論鏈接：https://arxiv.org/ abs / 2204.06125視頻講解：https://youtu.be/ rdGVbPI42sA短篇分析：https://www.louisbouchard.ai/openais-new-model-dall-e-2-is-amazing/MyStyle：個(gè)性化生成先驗(yàn)谷歌和特拉維夫堵山學(xué)提了一個(gè)非常強(qiáng)大的 DeepFake 技術(shù)。擁有了它，你幾碧山所不能。只需給一個(gè)拍上百張照片，就可對(duì)其圖像進(jìn)行編碼，修復(fù)、編輯或創(chuàng)建出何想要的樣子。這既人驚奇又令人恐懼，其是當(dāng)你看到生成的果時(shí)。論文鏈接：https://arxiv.org/ abs / 2203.17272項(xiàng)目地址：https://mystyle-personalized-prior.github.io/視頻講解：https://youtu.be/ BNWAEvFfFvQ短篇分析：https://www.louisbouchard.ai/ mystyle/OPT：開放預(yù)訓(xùn)練的 Transformer 語言模型GPT-3 如此強(qiáng)大的原因，在于其架構(gòu)和后照小它有 1750 億個(gè)參數(shù)，是人類大腦光山經(jīng)元數(shù)量的兩倍！如巨大的神經(jīng)網(wǎng)絡(luò)使該型幾乎學(xué)習(xí)了整個(gè)互網(wǎng)的內(nèi)容，了解我們何書寫、交換和理解本。就在人們驚嘆于 GPT-3 的強(qiáng)大功能時(shí)，Meta 向開源社區(qū)邁出了一大步他們發(fā)布了一個(gè)同樣大的模型，并且，該型已經(jīng)完全開源了！模型不僅也有超過千級(jí)別的參數(shù)，并且， GPT-3 相比，OPT-175B 更加開放及便于訪問。文鏈接：https://arxiv.org/ abs / 2205.01068項(xiàng)目地址：https://github.com/ facebookresearch / metaseq視頻鏈接：https://youtu.be/ Ejg0OunCi9U短篇分析：https://www.louisbouchard.ai/ opt-meta/BlobGAN：空間離散的場(chǎng)景表征對(duì)于如何述一個(gè)場(chǎng)景，Adobe 研究團(tuán)隊(duì)給出了一個(gè)新的方法：BlobGAN。BlobGAN 使用「斑點(diǎn)」（blob）來描述場(chǎng)景中的對(duì)象。雞山究人員可移動(dòng)這些斑點(diǎn)，將它變大、變小，甚至可刪除，這對(duì)圖像中斑所代表的物體都會(huì)產(chǎn)同樣的效果。正如作在他們的結(jié)果中分享那樣，你可以通過復(fù)斑點(diǎn)，在數(shù)據(jù)集中創(chuàng)新的圖像?，F(xiàn)在，BlobGAN 的代碼已經(jīng)開源，感興浮山的小伴，抓緊快上手試試！論文鏈接：https://arxiv.org/ abs / 2205.02837項(xiàng)目地址：https://github.com/ dave-epstein / blobgan視頻講解：https://youtu.be/ mnEzjpiA_4E短篇分析：https://www.louisbouchard.ai/ blobgan/Gato：通才智能體DeepMind 構(gòu)建了一個(gè)單一的「通用」智能體 Gato?？梢酝?Atari 游戲、做字幕圖像、與人酸與天、能控制機(jī)械臂！更令震驚的是，它只訓(xùn)練次并使用相同的權(quán)重便能完成所有任務(wù)。Gato 是一個(gè)多模態(tài)智能體。這意味著翠山可以為圖像創(chuàng)建標(biāo)題也能作為聊天機(jī)器人答問題。雖然 GPT-3 也能陪你聊天，但很明顯，Gato 可以做到更多。畢竟能聊天的 AI 常有，能陪玩游戲的不常。論文鏈接：https://arxiv.org/ abs / 2205.06175視頻講解：https://youtu.be/ xZKSWNv6Esc短篇分析：https://www.louisbouchard.ai/ deepmind-gato/Imagen：具有深度語言理解文本到圖像的擴(kuò)散模如果你認(rèn)為 DALL?E 2 很優(yōu)秀，那么不妨看看鳥山個(gè)來自 Google Brain 的新模型 ——Imagen—— 可以做些什么。DALL?E 很神奇，但生成的圖像往往缺乏真實(shí)，這就是谷歌團(tuán)隊(duì)研的 Imagen 所要解決的問題。根據(jù)較文本到圖像模型的準(zhǔn)，Imagen 在大型語言模型的文本入對(duì)文本-圖像的合成方面成效顯著。生成圖像既天馬行空，又實(shí)可信。論文鏈接：https://arxiv.org/ abs / 2205.11487項(xiàng)目地址：https://imagen.research.google/視頻講解：https://youtu.be/ qhtYPhPWCsI短篇分析：https://www.louisbouchard.ai/ google-brain-imagen/DALL·E Mini一組小扎的驚悚圖曾 Twitter 上風(fēng)靡一陣。這組 San 值狂掉的作品，出自 DALL?E mini 之手。作為 DALL?E 家族的「青春版」，DALL?E mini 是勝在免費(fèi)開源。代碼已，下一個(gè)被魔改的人又會(huì)是誰呢？項(xiàng)目地：https://github.com/ borisdayma / dalle-mini在線體驗(yàn)：https://huggingface.co/ spaces / dalle-mini / dalle-mini視頻講解：https://youtu.be/ K3bZXXjW788短篇分析：https://www.louisbouchard.ai/ dalle-mini/NLLB：不落下任何一種語言Meta AI 發(fā)布的這款 NLLB-200 模型，模型命名理念來自「不落下任嬰勺種語言」（No Language Left Behind），在 200 多種語言上實(shí)現(xiàn)了任意互譯。究的亮點(diǎn)在于：研究讓大多數(shù)低資源語言練提升多個(gè)數(shù)量級(jí)，時(shí)實(shí)現(xiàn)了 200 + 語言翻譯的 SOTA 結(jié)果。論文鏈接：https://research.facebook.com/ publications / no-language-left-behind/項(xiàng)目地址：https://github.com/ facebookresearch / fairseq / tree / nllb在線體驗(yàn)：https://nllb.metademolab.com/視頻講解：https://youtu.be/ 2G4NeG17Eis短篇分析：https://www.louisbouchard.ai/ no-language-left-behind/Dual-Shutter 光學(xué)振動(dòng)傳感系統(tǒng)聲音也能被看？這篇獲得 CVPR 2022 最佳論文榮譽(yù)獎(jiǎng)的研究，提出一種新穎的 Dual-Shutter 方法，通過使用「慢速相機(jī)（130FPS）同時(shí)檢測(cè)多個(gè)場(chǎng)景源高速（高達(dá) 63kHz）表面振動(dòng)，并通過捕獲由音頻源堯山起的動(dòng)來實(shí)現(xiàn)。由此便可實(shí)現(xiàn)樂器的分離、噪的消除等各種需求。文鏈接：https://openaccess.thecvf.com/ content / CVPR2022 / papers / Sheinin_Dual-Shutter_Optical_Vibration_Sensing_CVPR_2022_paper.pdf項(xiàng)目地址：https://imaging.cs.cmu.edu/ vibration/視頻講解：https://youtu.be/ n1M8ZVspJcs短篇分析：https://www.louisbouchard.ai/ cvpr-2022-best-paper/Make-A-Scene：基于場(chǎng)景且有人類先驗(yàn)的文到圖像生成Make-A-Scene 不僅僅是「另一個(gè) DALL?E」。雖然 DALL?E 可以根據(jù)文本提示生成隨奚仲圖像這確實(shí)很酷，但同時(shí)限制了用戶對(duì)生成結(jié)的控制。而 Meta 的目標(biāo)是推動(dòng)創(chuàng)意表達(dá)，將這種文本到司幽的趨勢(shì)與之前的草圖圖像模型相結(jié)合，從產(chǎn)生「Make-A-Scene」：文本和草圖條件圖像生成之的奇妙融合。論文鏈：https://arxiv.org/ abs / 2203.13131視頻講解：https://youtu.be/ K3bZXXjW788短篇分析：https://www.louisbouchard.ai/ make-a-scene/BANMo：從任意視頻中構(gòu)建目標(biāo) 3D 動(dòng)畫模型基于 Meta 的這項(xiàng)研究，你只需定捕獲可變形對(duì)象的意視頻，比如上傳幾小貓小狗的視頻，BANMo 便可通過將來自數(shù)千張圖反經(jīng)的 2D 線索整合到規(guī)范空間中，進(jìn)而重建一洵山可輯的動(dòng)畫 3D 模型，且無需預(yù)定義形廆山板。論文鏈接：https://arxiv.org/ abs / 2112.12761項(xiàng)目地址：https://github.com/ facebookresearch / banmo視頻講解：https://youtu.be/ jDTy-liFoCQ短篇分析：https://www.louisbouchard.ai/ banmo/用潛在擴(kuò)散模型進(jìn)行高分辨率像合成今年大火的圖生成模型 DALL?E、Imagen 以及強(qiáng)勢(shì)出圈的 Stable Diffusion，這些強(qiáng)大的圖像生成模型有什么強(qiáng)良點(diǎn)？除了高計(jì)算成本大量訓(xùn)練時(shí)間之外，們都基于相同的擴(kuò)散制。擴(kuò)散模型最近在多數(shù)圖像任務(wù)中取得 SOTA 結(jié)果，包括使用 DALL?E 的文本到圖像，還有許多其他與圖像生成關(guān)的任務(wù)，如圖像修、風(fēng)格轉(zhuǎn)換或圖像超辨率。論文鏈接：https://arxiv.org/ abs / 2112.10752項(xiàng)目地址：https://github.com/ CompVis / latent-diffusion視頻講解：https://youtu.be/ RGBNdD3Wn-g短篇分析：https://www.louisbouchard.ai/ latent-diffusion-models/PSG：基于場(chǎng)景的圖像生模型AI 可以幫你準(zhǔn)確識(shí)別圖像中的物體但是理解物體與環(huán)境間的關(guān)系則沒有那么松。為此，來自南洋工對(duì)研究人員提出了種基于全景分割的全景圖生成（panoptic scene graph generation，即 PSG）任務(wù)。相比于傳統(tǒng)基于貊國測(cè)框的場(chǎng)景生成，PSG 任務(wù)要求全面地輸出圖像中所有關(guān)系（包括物體物體間關(guān)系，物體與景間關(guān)系，背景與背間關(guān)系），并用準(zhǔn)確分割塊來定位物體。文鏈接：https://arxiv.org/ abs / 2207.11247項(xiàng)目地址：https://psgdataset.org/在線應(yīng)用：https://huggingface.co/ spaces / ECCV2022 / PSG視頻講解：https://youtu.be/ cSsE_H_0Cr8短篇分析：https://www.louisbouchard.ai/ psg/利用文本反轉(zhuǎn)實(shí)現(xiàn)文本黃帝圖像的個(gè)性化成今年各大廠的圖像成模型可謂是八仙過各顯神通，但是如何模型生成特定風(fēng)格的像作品呢？來自特拉夫大學(xué)的學(xué)者和英偉合作推出了一款個(gè)性圖像生成模型，可以 DIY 你想要得到的圖像。論鳥山鏈接：https://arxiv.org/ abs / 2208.01618項(xiàng)目地址：https://textual-inversion.github.io/視頻講解：https://youtu.be/ f3oXa7_SYek短篇分析：https://www.louisbouchard.ai/ imageworthoneword/用于通用視頻識(shí)別的語言圖像預(yù)訓(xùn)練模型覺文本模型的學(xué)習(xí)毫疑問已經(jīng)取得了巨大功，然而如何將這種的語言圖像預(yù)訓(xùn)練方擴(kuò)展到視頻領(lǐng)域仍然一個(gè)懸而未決的問題來自微軟和中科院的者提出了一種簡(jiǎn)單而效的方法使預(yù)訓(xùn)練的言圖像模型直接適應(yīng)頻識(shí)別，而不是從頭始預(yù)訓(xùn)練新模型。論鏈接：https://arxiv.org/ abs / 2208.02816項(xiàng)目地址：https://github.com/ microsoft / VideoX / tree / master / X-CLIP視頻講解：https://youtu.be/ seb4lmVPEe8短篇分析：https://www.louisbouchard.ai/ general-video-recognition/Make-A-Video：一鍵文本生成視頻模型畫家在畫布盡情作畫，如此清晰暢的畫面，你能想到頻的每一幀都是 AI 生成的嗎？MetaAI 推出的 Make-A-Video，只需簡(jiǎn)單輸入幾個(gè)文，便可在幾秒內(nèi)生成同風(fēng)格的視頻，說成視頻版 DALL?E」也不為過。論文鏈：https://arxiv.org/ abs / 2209.14792視頻講解：https://youtu.be/ MWwESVyHWto短篇分析：https://www.louisbouchard.ai/ make-a-video/Whisper：大規(guī)模弱監(jiān)督語音識(shí)別模弇茲你沒有想過有一個(gè)翻譯件可以快速翻譯視頻的語音，甚至是那些自己都聽不懂的語言OpenAI 開源的 Whisper 恰好就能做到這一點(diǎn)。Whisper 在超過 68 萬小時(shí)的多語種數(shù)據(jù)上訓(xùn)練，能識(shí)嘈雜背景下的多語種音并轉(zhuǎn)化為文字，此還可勝任專業(yè)術(shù)語的譯。論文鏈接：https://arxiv.org/ abs / 2212.04356項(xiàng)目地址：https://github.com/ openai / whisper視頻講解：https://youtu.be/ uFOkMme19Zs短篇解析：https://www.louisbouchard.ai/ whisper/DreamFusion：用 2D 圖像生成 3D 模型文本能生成圖像、視頻，還 3D 模型～谷歌推出的 DreamFusion 通過使用預(yù)訓(xùn)練的 2D 文本到圖像擴(kuò)散模型可一鍵成 3D 模型，在數(shù)十億圖像文本對(duì)上訓(xùn)的擴(kuò)散模型推動(dòng)了文到 3D 模型合成的最新突破。論文鏈接https://arxiv.org/ abs / 2209.14988視頻講解：https://youtu.be/ epuU0VRIcjE短篇解析：https://www.louisbouchard.ai/ dreamfusion/Imagic：基于擴(kuò)散模型的真實(shí)圖像編輯羆法使 DALL?E 等文本圖像生成模型，只輸入一行文字便能得想要的圖片，但 AI 生成的圖像有時(shí)候并不那么完美。來自谷、以色列理工學(xué)院、茨曼科學(xué)研究所的研者介紹了一種基于擴(kuò)模型的真實(shí)圖像編輯法 ——Imagic，只用文字就能實(shí)現(xiàn)實(shí)照片的 PS。例如，我們可以改變一個(gè)的姿勢(shì)和構(gòu)圖同時(shí)保其原始特征，或者我讓一只站立的狗坐下讓一只鳥展開翅膀。文鏈接：https://arxiv.org/ abs / 2210.09276項(xiàng)目地址：https://imagic-editing.github.io/視頻講解：https://youtu.be/ gbpPQ5kVJhM短篇分析：https://www.louisbouchard.ai/ imagic/eDiffi：更高品質(zhì)的文本圖像成模型比 DALL?E 和 Stable Diffusion 更強(qiáng)的圖像合成模型來了！這就是英偉達(dá) eDiffi，它可以更準(zhǔn)確地生成更高質(zhì)的圖像，此外加入筆模具，可以為你的品增加更多創(chuàng)造性和活性。論文鏈接：https://arxiv.org/ abs / 2211.01324項(xiàng)目地址：https://deepimagination.cc/ eDiff-I/視頻講解：https://youtu.be/ grwp-ht_ixo短篇分析：https://www.louisbouchard.ai/ ediffi/Infinite Nature：從單幅圖像中學(xué)習(xí)自然朱蛾景的限視圖生成你有沒有過，隨手拍一張照片后就像打開一扇門一飛進(jìn)圖片里呢？來自歌和康奈爾大學(xué)的學(xué)將這一想象變?yōu)榱爽F(xiàn)，這就是 InfiniteNature-Zero，他可從單幅圖像中生成無限制的然場(chǎng)景視圖。論文鏈：https://arxiv.org/ abs / 2207.11148項(xiàng)目地址：https://infinite-nature.github.io/視頻講解：https://youtu.be/ FQzGhukV-l0短篇分析：https://www.louisbouchard.ai/ infinitenature-zeroGalactica：用于科學(xué)的大語言模型Meta 開發(fā)的 Galactica 是一種大型語言模型，其大小與 GPT-3 相當(dāng)，但它擅長(zhǎng)的領(lǐng)域是科學(xué)知識(shí)。模型可編寫政府白皮、新聞評(píng)論、維基百頁面和代碼，它還知如何引用以及如何編方程式。這對(duì)人工智和科學(xué)來說是一件大。論文鏈接：https://arxiv.org/ abs / 2211.09085視頻講解：https://youtu.be/ 2GfxkCWWzLU短篇分析：https://www.louisbouchard.ai/ galactica/RAD-NeRF：基于音頻空間分解的實(shí)人像合成模型自從 DeepFake 和 NeRF 的出現(xiàn)，AI 換臉?biāo)坪跻呀?jīng)是司空見慣了，人魚有個(gè)問，AI 換的臉有時(shí)會(huì)因?yàn)閷?duì)不上嘴欽原而露。RAD-NeRF 的出現(xiàn)可以解決這一題，它可以對(duì)視頻中出現(xiàn)的說話者進(jìn)行實(shí)的人像合成，此外還持自定義頭像。論文接：https://arxiv.org/ abs / 2211.12368項(xiàng)目地址：https://me.kiui.moe/ radnerf/ChatGPT：為對(duì)話優(yōu)化的語言模型2022 年度 AI 的重磅作品怎么能少 ChatGPT，這個(gè)已經(jīng)火遍全網(wǎng)并已被網(wǎng)友開發(fā)出寫小黃、敲代碼等各種應(yīng)用萬能模型，如果你還了解它，那就快來看！視頻講解：https://youtu.be/ AsFgn8vU-tQ短篇分析：https://www.louisbouchard.ai/ chatgpt/可直接用于生產(chǎn)使用的視人臉 re-aging雖然當(dāng)下計(jì)算機(jī)視覺模型可以對(duì)人欽原的年進(jìn)行生成、風(fēng)格遷移，但這也只是看起來酷，在實(shí)際應(yīng)用中卻乎零作用，現(xiàn)有的技通常存在著面部特征失、分辨率低和在后視頻幀中結(jié)果不穩(wěn)定問題，往往需要人工次編輯。最近迪士尼布了第一個(gè)可實(shí)用的完全自動(dòng)化的、可用生產(chǎn)使用的視頻圖像 re-age 人臉的方法 FRAN（Face Re-Aging Network），正式宣告電影中化妝師改變演員年齡覺效果的技術(shù)落幕。文鏈接：https://dl.acm.org/ doi / pdf / 10.1145/3550454.3555520項(xiàng)目地址：https://studios.disneyresearch.com/ 2022/11/30 / production-ready-face-re-aging-for-visual-effects/視頻講解：https://youtu.be/ WC03N0NFfwk短篇分析：https://www.louisbouchard.ai/ disney-re-age/參考資料：https://www.louisbouchard.ai/2022-ai-recap/本文來自微信公眾號(hào)：新智元 （ID：AI_era）