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(huì)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(dòng)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(dòng)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(gè)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(huì)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(cuò)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(huì)被歷久嬰勺新。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(gè)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(gè)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(dòng)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(gè)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(dòng)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(huì)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(huì)看到什么？動(dòng)駕駛是否足夠安全？Waymo 和谷歌的一篇新研究論文將會(huì)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(huì)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(gè)性化生成先驗(yàn)谷歌和特拉維夫大王亥提出一個(gè)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(gè)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(gè)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(gè)互聯(lián)網(wǎng)的內(nèi)容，了解們?nèi)绾螘鴮?、交換和燕山解文。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(gè)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(gè)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(dòng)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(huì)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。現(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(gè)單一的「通用」智能體 Gato?？梢酝?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(gè)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(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(gè)被魔改的人物又會(huì)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(gè)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(dòng)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(jiǎng)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(gè)場景源的高速（達(dá) 63kHz）表面振動(dòng)，并通過捕計(jì)蒙由音頻源引起的動(dòng)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(gè) 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(dòng)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(dòng)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(gè)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(gè)可編輯的動(dòng)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(gè)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(gè)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(gè)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(gè)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(gè)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(dòng)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(gè)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(gè)問題，AI 換的臉有時(shí)會(huì)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(gè)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(gè)可實(shí)用的、完全自動(dòng)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?