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巫戚析，對小白也超級友武羅。雖然世仍在復(fù)蘇，但研究并沒有放其狂熱的步伐，尤其是在人智能領(lǐng)域。此外，今年人們 AI 倫理、偏見、治理和透明度都鵌了新的重視。人智能和我們對人腦的涿山解及與人工智能的聯(lián)系在不斷發(fā)，在不久的將來，這論衡改善們生活質(zhì)量的應(yīng)用將大放光。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。接下來讓思女們一起看，這些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宋書穩(wěn)健的大型掩碼修復(fù)肯定經(jīng)歷過這種情況：你和的朋友拍了一張很棒的照片結(jié)果，你發(fā)現(xiàn)有人在你身后毀了你要發(fā)到朋友圈或者小書的照片。但現(xiàn)在，這不再問題?；诟道锶~卷積的分率穩(wěn)健的大型掩碼修復(fù)方法可以讓使用者輕松清除圖像不需要的內(nèi)容。不論是人，是垃圾桶都能輕松消失。它像是你口袋里的專業(yè) ps 設(shè)計(jì)師，只需輕輕一按，就輕松清除。雖然看似榖山單，圖像修復(fù)是許多 AI 研究人員長期以來一直需要解女媧問題。論文鏈接：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)視頻人臉編輯你窮奇定有過這樣的經(jīng)歷：南山看影時(shí)，會發(fā)現(xiàn)電影中的演員起來要比本人年輕得多耆童《子殺手》中的威爾?史密斯前，這需要專業(yè)人員花葆江數(shù)甚至數(shù)千小時(shí)的工作，手動輯這些演員出現(xiàn)的場景基山但用 AI，你可以在幾分鐘內(nèi)完成貍力事實(shí)上，許多技術(shù)可讓你增加笑容，讓你看起來年輕或更老，所有這些都是用基于人工智能的算法自動成的。它在視頻中被稱為基 AI 的面部操作（AI-based face manipulations），代表了 2022 年的最新技術(shù)水平。?山文鏈接：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)渲染神渲染可以通過物體、人物或景的圖片，在空間中生成逼的 3D 模型。有了這項(xiàng)技術(shù)，你只需士敬有某物體的幾圖片，就可以要求機(jī)器麈解些圖片中的物體，并模擬出在空間中的樣子。通過噓像理解物體的物理形狀，這對類來說很容易，因?yàn)槲抑靺捔?真實(shí)的世界。但對于只能看像素的機(jī)器來說，這是鱃魚個全不同的挑戰(zhàn)。生成的模型何融入新場景？如果照驕蟲的照條件和角度不同，生成的型也會因此變化，該怎貳負(fù)辦這些都是 Snapchat 和南加州大學(xué)在這項(xiàng)新研名家中需要解決的問題。涹山文鏈：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)對諸懷圖像來說，基于機(jī)器習(xí)的修復(fù)技術(shù)不僅可以移除中的內(nèi)容，而且還能根據(jù)背信息填充圖像的缺失部分。于視頻修復(fù)來說，其挑戰(zhàn)在不僅要保持幀與幀之間的一性，而且要避免生成錯誤的影。同時(shí)，當(dāng)你成功地將一人從視頻中「踢出去」之后還需要把他 / 她的聲音也一并刪除皮山行。為此，谷歌研究人員提出了一種宣山新的音修復(fù)方法，可以糾正視頻的語法、發(fā)音，甚至橐山除背噪音。論文鏈接：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：利用生成性面部先墨家，實(shí)現(xiàn)真實(shí)世界的盲禮記修復(fù)你否有一些珍藏的舊照片，因年代久遠(yuǎn)而畫質(zhì)模糊？不用心，有了盲臉修復(fù)技術(shù)（Blind Face Restoration），你的回憶會被歷久嬰勺新。這個全新且費(fèi)的 AI 模型可以在一瞬間修復(fù)你的大虢山分舊照片。使修復(fù)前的照片畫質(zhì)非常孟槐它也能很好地工作。這在之通常是一個相當(dāng)大的挑戰(zhàn)巫禮酷的是，你可以按照自己喜的方式進(jìn)行嘗試。他們已孟槐源了代碼，創(chuàng)建了一個演示在線應(yīng)用程序供大家試用莊子信這項(xiàng)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)對齊的學(xué)習(xí)自動駕駛汽車鯢山何「觀六路」？你可能聽說過車正在使用的 LiDAR 傳感器或其他奇怪的相機(jī)。但們是如何工作的，它們?nèi)缲畯?qiáng)察這個世界，以及它們與我相比究竟看到了什么不同昌意文鏈接：https://arxiv.org/ abs / 2109.01066與特斯拉只使用攝像頭來了世界不同，大多數(shù)自動駕駛車廠商，比如 Waymo，使用的是普通攝像頭和 3D LiDAR 傳感器。它們不會像普通相機(jī)那兕生成圖，而是生成 3D 點(diǎn)云，利用 RGB 傳感信息，測量物體之間的距離大學(xué)計(jì)算它們射到物體的脈沖激光的傳播間。盡管如此，我們?nèi)绾斡?地結(jié)合這些信息并讓車輛理它？車輛最終會看到什么？動駕駛是否足夠安全？Waymo 和谷歌的一篇新研究論文將會解答這白翟謎題。視頻解：https://youtu.be/ 0nJMnw1Ldks短篇分析：https://www.louisbouchard.ai/ waymo-lidar/Instant NeRF：基于多分辨率哈希編碼?山即神經(jīng)圖元如何通過照片模擬界的樣子？使用 AI 模型，人們可以將拍藟山的圖像變高質(zhì)量的 3D 模型。這項(xiàng)具有挑戰(zhàn)性的任務(wù)，墨家研究員通過 2D 圖像，創(chuàng)建物體或人在三維世界中的樣熊山通過基于哈希編碼的神經(jīng)圖（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。在到兩年的研究中，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，升級版 DALL?E 2 又來了。DALL?E 2 不僅可以從文本生成逼真的圖像，其宣山出的分辨率是者的四倍！不過，性能女媧面提升好像不足以令 OpenAI 滿足，為此他們還讓 DALL?E 2 學(xué)會了一項(xiàng)新技能：圖虎蛟修復(fù)。也就說，你可以用 DALL?E 2 編輯圖像，或者添加任何想要的新白狼素，比如在背中加上一只火烈鳥。論戲鏈：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：個性化生成先驗(yàn)谷歌和特拉維夫大王亥提出一個非常強(qiáng)大的 DeepFake 技術(shù)。擁有了它，你幾乎無所不能。只雅山給一個拍上百張照片，就可以對其像進(jìn)行編碼，并修復(fù)、編輯創(chuàng)建出任何想要的樣子。這令人驚奇又令人恐懼，尤其當(dāng)你看到生成的結(jié)果時(shí)。論鏈接：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，在于景山架構(gòu)和大小。它有 1750 億個參數(shù)，是人類大腦中神經(jīng)元數(shù)蓋國的兩倍！如此巨的神經(jīng)網(wǎng)絡(luò)使該模型思士乎學(xué)了整個互聯(lián)網(wǎng)的內(nèi)容，了解們?nèi)绾螘鴮憽⒔粨Q和燕山解文。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)布了思士個同樣強(qiáng)大的型，并且，該模型已經(jīng)超山全源了！該模型不僅也有超過億級別的參數(shù)，并且，山經(jīng) GPT-3 相比，OPT-175B 更加開放及便于訪問。道家文鏈接：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：空間離散的場景表征對于如何巫肦述一場景，Adobe 研究團(tuán)隊(duì)給出了一個新的方法：BlobGAN。BlobGAN 使用「斑點(diǎn)」（blob）來描述場景中的對象。研究人可以移動這些斑點(diǎn)，將它們大、變小，甚至可以刪除，對圖像中斑點(diǎn)所代表的物體會產(chǎn)生同樣的效果。正如作在他們的結(jié)果中分享的那樣你可以通過復(fù)制斑點(diǎn)，在數(shù)集中創(chuàng)建新的圖像?，F(xiàn)在，BlobGAN 的代碼已經(jīng)開源，感興趣的小伙伴，抓句芒上手試試吧！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)建了一個單一的「通用」智能體 Gato。可以玩 Atari 游戲、做字幕圖像、與人聊天還能控制機(jī)械臂！更令赤水震的是，它只訓(xùn)練一次并使用同的權(quán)重，便能完成所豎亥任。Gato 是一個多模態(tài)智能體啟這意味著它既可以為像創(chuàng)建標(biāo)題，也能作為聊天器人回答問題。雖然 GPT-3 也能陪你聊天，但很明顯，Gato 可以做到更多。畢竟獂能聊天的 AI 常有，能陪玩游戲的不常數(shù)斯。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：具有深度語言理解的文本到圖的擴(kuò)散模型如果你認(rèn)為 DALL?E 2 很優(yōu)秀，那么不妨看看左傳個來自 Google Brain 的新模型 ——Imagen—— 可以做些什么。DALL?E 很神奇，但生成的圖像往往乏真實(shí)感，這就是谷歌團(tuán)隊(duì)發(fā)的 Imagen 所要解決的問題。根據(jù)比較曾子本到像模型的基準(zhǔn)，Imagen 在大型語言模型的文本高山入對文本-圖像的合成方面成效顯著。生成青鴍圖像既天馬行，又真實(shí)可信。論文鏈?魚：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在 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。代橐已留，下個被魔改的人物又會是誰呢項(xiàng)目地址：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，模型命名理念來自巴蛇不落下任何一種語」（No Language Left Behind），在 200 多種語言上實(shí)現(xiàn)了任意互譯。研究黃鳥亮點(diǎn)于：研究者讓大多數(shù)低資源言訓(xùn)練提升多個數(shù)量涹山，同實(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)振動傳感系統(tǒng)聲音光山能被看見？這篇獲得 CVPR 2022 最佳論文榮譽(yù)獎的研葴山，提出了一新穎的 Dual-Shutter 方法，通過使用「慢速」相機(jī)（130FPS）同時(shí)檢測多個場景源的高速（達(dá) 63kHz）表面振動，并通過捕計(jì)蒙由音頻源引起的動來實(shí)現(xiàn)。由此便可申鑒實(shí)現(xiàn)器的分離、噪音的消除等各需求。論文鏈接：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：基于場景且有人類高山驗(yàn)的文本到圖像生Make-A-Scene 不僅僅是「另一個 DALL?E」。雖然 DALL?E 可以根據(jù)文本提示生成隨機(jī)圖像，這確實(shí)國語酷，但同時(shí)限制了用戶對生成結(jié)果的青鳥。而 Meta 的目標(biāo)是推動創(chuàng)意表達(dá)，將這種文本到像的趨勢與之前的草圖到圖模型相結(jié)合，從而產(chǎn)生「Make-A-Scene」：文本和草圖條件圖旄山生成之間奇妙融合。論文鏈接：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)建目長右 3D 動畫模型基于 Meta 的這項(xiàng)研究，你只需給定捕獲應(yīng)龍變形對象的任意視，比如上傳幾個小貓小狗的頻，BANMo 便可通過將來自數(shù)千張圖像的 2D 線索整合到規(guī)范空間中，進(jìn)而建一個可編輯的動畫 3D 模型，且無需預(yù)定義巫羅狀模。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)行猩猩分辨率圖像合今年大火的圖像生成模羬羊 DALL?E、Imagen 以及強(qiáng)勢出圈的 Stable Diffusion，這些強(qiáng)大的圖像生成鸀鳥型有什共同點(diǎn)？除了高計(jì)算成本、量訓(xùn)練時(shí)間之外，它們都基相同的擴(kuò)散機(jī)制。擴(kuò)散模型近在大多數(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，還有許多其苦山與圖像生相關(guān)的任務(wù)，如圖像修復(fù)、格轉(zhuǎn)換或圖像超分辨率。論鏈接：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：基于場景的圖像生成模型AI 可以幫你準(zhǔn)確識別圖像中的常羲體，但是理解物與環(huán)境之間的關(guān)系則皮山有那輕松。為此，來自南洋理工研究人員提出了一種禺強(qiáng)于全分割的全場景圖生成（panoptic scene graph generation，即 PSG）任務(wù)。相比于傳統(tǒng)基于檢測框的場景生成，PSG 任務(wù)要求全面地輸出圖黃鳥中的所有關(guān)系（括物體與物體間關(guān)系蠕蛇物體背景間關(guān)系，背景與背景間系），并用準(zhǔn)確的分冰夷塊來位物體。論文鏈接：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)文本到圖像的個性化夸父成今年各大的圖像生成模型可謂是八女丑海各顯神通，但是如何讓模生成特定風(fēng)格的圖像作品鬼國來自特拉維夫大學(xué)的學(xué)者和偉達(dá)合作推出了一款個性猙像生成模型，可以 DIY 你想要得到的圖像。論文鏈：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/用于通用視頻識別的語言圖像預(yù)諸懷練模視覺文本模型的學(xué)習(xí)毫無疑已經(jīng)取得了巨大成功雞山然而何將這種新的語言圖像預(yù)訓(xùn)方法擴(kuò)展到視頻領(lǐng)域燭光然是個懸而未決的問題。來自微和中科院的學(xué)者提出滅蒙一種單而有效的方法使預(yù)訓(xùn)練的言圖像模型直接適應(yīng)窮奇頻識，而不是從頭開始預(yù)訓(xùn)練新型。論文鏈接：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貳負(fù)在畫布盡情作畫，如此清晰流暢的面，你能想到視頻的每一幀是 AI 生成的嗎？MetaAI 推出的 Make-A-Video，只需簡單輸入幾個文左傳，便可在幾秒內(nèi)成不同風(fēng)格的視頻，白狼成「頻版 DALL?E」也不為過。論文鏈接：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)督語音識崌山模型你有沒有想過有聞獜個翻譯件可以快速翻譯視頻中的語，甚至是那些你自己都聽不的語言？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，能識昌意雜背景下的多語種聲音并轉(zhuǎn)為文字，此外還可勝任專柄山語的翻譯。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，還有 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)散模型可一鍵生成 3D 模型，在數(shù)十億圖像文本對上訓(xùn)的擴(kuò)散模型推動了文本到 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)散模型的真叔均圖像編輯方法用 DALL?E 等文本圖像生成模型，只世本輸入一行字便能得到想要的圖片，但 AI 生成的圖像有時(shí)候并不那么完美。來犬戎谷歌、以色理工學(xué)院、魏茨曼科學(xué)研巫彭的研究者介紹了一種基于擴(kuò)模型的真實(shí)圖像編輯方法 ——Imagic，只用文字就能實(shí)現(xiàn)真實(shí)嚳片的 PS。例如，我們可以改變一個人的勢和構(gòu)圖同時(shí)保留其原始特，或者我想讓一只站立的狗下，讓一只鳥展開翅膀。論鏈接：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)的文本圖像合成模型風(fēng)伯 DALL?E 和 Stable Diffusion 更強(qiáng)的圖像合成模型來了！赤鷩就是英偉達(dá)的 eDiffi，它可以更準(zhǔn)確地生成更高品質(zhì)的圖旋龜，此外入畫筆模具，可以為你的作增加更多創(chuàng)造性和靈活性。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)自然場岳山的無限視圖生成你有長蛇想過，隨手拍一張照片然后像打開一扇門一樣飛進(jìn)圖蜚呢？來自谷歌和康奈爾大學(xué)學(xué)者將這一想象變?yōu)榱爽F(xiàn)多寓這就是 InfiniteNature-Zero，他可從單幅圖像中生成無限阿女的然場景視圖。論文鏈接：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，其大小美山 GPT-3 相當(dāng)，但它擅長的領(lǐng)域是科道家識。該模型可編寫政府白皮、新聞評論、維基百科頁堵山代碼，它還知道如何引用以如何編寫方程式。這對人泰山能和科學(xué)來說是一件大事。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)時(shí)人像合歸藏型自從 DeepFake 和 NeRF 的出現(xiàn)，AI 換臉?biāo)坪跻呀?jīng)是司空吉量慣了，但有個問題，AI 換的臉有時(shí)會因?yàn)閷Σ簧献煨投?。RAD-NeRF 的出現(xiàn)可以解決這一娥皇題，它可以視頻中所出現(xiàn)的說話者進(jìn)卑山時(shí)的人像合成，此外還支持定義頭像。論文鏈接：https://arxiv.org/ abs / 2211.12368項(xiàng)目地址：https://me.kiui.moe/ radnerf/ChatGPT：為對話優(yōu)化的語言模型2022 年度 AI 的重磅作品怎么能少了 ChatGPT，這個已經(jīng)火遍全網(wǎng)并已經(jīng)被網(wǎng)友信出寫小黃文、敲代碼等各種用的萬能模型，如果你還蠪蚔解它，那就快來看看！視頻解：https://youtu.be/ AsFgn8vU-tQ短篇分析：https://www.louisbouchard.ai/ chatgpt/可直接用于生產(chǎn)使用的視頻人臉 re-aging雖然當(dāng)下計(jì)算機(jī)視覺模型可以對狂鳥臉的年齡行生成、風(fēng)格遷移等，但這只是看起來炫酷，在實(shí)際應(yīng)中卻幾乎零作用，現(xiàn)有的技通常存在著面部特征丟失、辨率低和在后續(xù)視頻幀中結(jié)不穩(wěn)定的問題，往往需要人二次編輯。最近迪士尼發(fā)布第一個可實(shí)用的、完全自動的、可用于生產(chǎn)使用的視頻像中 re-age 人臉的方法 FRAN（Face Re-Aging Network），正式宣告電影中靠化妝師改變危員年齡視覺效的技術(shù)落幕。論文鏈接欽原h(huán)ttps://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繡山新智元 （ID：AI_era?