2022 超全的 AI 圈研究合集這！知名博 Louis Bouchard 自制視頻講解加篇分析，對(duì)白也超級(jí)友。雖然世界在復(fù)蘇，但究并沒(méi)有放其狂熱的步，尤其是在工智能領(lǐng)域此外，今年們對(duì) AI 倫理、偏見(jiàn)治理和透明都有了新的視。人工智和我們對(duì)人的理解及其人工智能的系在不斷發(fā)，在不久的來(lái)，這些改我們生活質(zhì)的應(yīng)用將大光彩。知名主 Louis Bouchard 也在自己的博中盤點(diǎn)了 2022 年 32 項(xiàng)（!）AI 技術(shù)突破。接下讓我們一起看，這些令驚艷的研究有哪些吧！章地址：https://www.louisbouchard.ai/ 2022-ai-recap/LaMA：基于傅里葉卷的分辨率穩(wěn)的大型掩碼復(fù)你肯定經(jīng)過(guò)這種情況你和你的朋拍了一張很的照片。結(jié)，你發(fā)現(xiàn)有在你身后，了你要發(fā)到友圈或者小書的照片。現(xiàn)在，這不是問(wèn)題?；?傅里葉卷積分辨率穩(wěn)健大型掩碼修方法，可以使用者輕松除圖像中不要的內(nèi)容。論是人，還垃圾桶都能松消失。它像是你口袋的專業(yè) ps 設(shè)計(jì)師，只需輕輕一按就能輕松清。雖然看似單，但圖像復(fù)是許多 AI 研究人員長(zhǎng)期以來(lái)一需要解決的題。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)視頻人編輯你肯定過(guò)這樣的經(jīng)：在看電影，會(huì)發(fā)現(xiàn)電中的演員看來(lái)要比本人輕得多?！?子殺手》中威爾?史密之前，這需專業(yè)人員花數(shù)百甚至數(shù)小時(shí)的工作手動(dòng)編輯這演員出現(xiàn)的景。但利用 AI，你可以在幾分鐘跂踵成。事實(shí)上許多技術(shù)可讓你增加笑，讓你看起更年輕或更，所有這些是使用基于工智能的算自動(dòng)完成的它在視頻中稱為基于 AI 的面部操作（AI-based face manipulations），代表了 2022 年的最新技術(shù)鬻子。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(kù)橐山經(jīng)渲染神經(jīng)染可以通過(guò)體、人物或景的圖片，空間中生成真的 3D 模型。有了項(xiàng)技術(shù)，你需擁有某物的幾張圖片就可以要求器了解這些片中的物體并模擬出它空間中的樣。通過(guò)圖像理解物體的理形狀，這人類來(lái)說(shuō)很易，因?yàn)槲?了解真實(shí)的界。但對(duì)于能看到像素機(jī)器來(lái)說(shuō)，是一個(gè)完全同的挑戰(zhàn)。成的模型如融入新場(chǎng)景如果照片的照條件和角不同，生成模型也會(huì)因變化，該怎辦？這些都 Snapchat 和南加州大學(xué)當(dāng)扈項(xiàng)新研究中要解決的問(wèn)。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：文本條件下噎語(yǔ)修復(fù)對(duì)于圖來(lái)說(shuō)，基于器學(xué)習(xí)的修技術(shù)不僅可移除其中的容，而且還根據(jù)背景信填充圖像的失部分。對(duì)視頻修復(fù)來(lái)，其挑戰(zhàn)在不僅要保持與幀之間的致性，而且避免生成錯(cuò)的偽影。同，當(dāng)你成功將一個(gè)人從頻中「踢出」之后，還要把他 / 她的聲音也并刪除才行為此，谷歌研究人員提了一種全新語(yǔ)音修復(fù)方，可以糾正頻中的語(yǔ)法發(fā)音，甚至除背景噪音論文鏈接：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：利用生成性面先驗(yàn)，實(shí)現(xiàn)實(shí)世界的盲修復(fù)你是否一些珍藏的照片，因?yàn)?代久遠(yuǎn)而畫模糊？不用心，有了盲修復(fù)技術(shù)（Blind Face Restoration），你的回憶會(huì)被久彌新。這全新且免費(fèi) AI 模型可以在一瞬修復(fù)你的大分舊照片。使修復(fù)前的片畫質(zhì)非常，它也能很地工作。這之前通常是個(gè)相當(dāng)大的戰(zhàn)。更酷的，你可以按自己喜歡的式進(jìn)行嘗試他們已經(jīng)開(kāi)了代碼，創(chuàng)了一個(gè)演示在線應(yīng)用程供大家試用相信這項(xiàng)技一定讓你大一驚！論文接：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)天吳動(dòng)駕駛汽車何「眼觀六」？你可能說(shuō)過(guò)車企正使用的 LiDAR 傳感器或其他奇的相機(jī)。但們是如何工的，它們?nèi)?觀察這個(gè)世，以及它們我們相比究看到了什么同？論文鏈：https://arxiv.org/ abs / 2109.01066與特斯拉只用攝像頭來(lái)解世界不同大多數(shù)自動(dòng)駛汽車廠商比如 Waymo，使用的是普通攝像和 3D LiDAR 傳感器。它們會(huì)像普通相那樣生成圖，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)它們投射到體的脈沖激的傳播時(shí)間盡管如此，們?nèi)绾斡行?結(jié)合這些信并讓車輛理它？車輛最會(huì)看到什么自動(dòng)駕駛是足夠安全？Waymo 和谷歌的一篇研究論文將解答這些謎。視頻講解https://youtu.be/ 0nJMnw1Ldks短篇分析：https://www.louisbouchard.ai/ waymo-lidar/Instant NeRF：基于多分辨率希編碼的即神經(jīng)圖元如通過(guò)照片模世界的樣子使用 AI 模型，人們以將拍攝的像變成高質(zhì)的 3D 模型。這項(xiàng)具挑戰(zhàn)性的任，讓研究人通過(guò) 2D 圖像，創(chuàng)建體或人在三世界中的樣。通過(guò)基于希編碼的神圖元（graphical primitives），英偉達(dá)實(shí) 5 秒訓(xùn)練 NeRF，并獲得了更的效果。在到兩年的研中，將 NeRF 的訓(xùn)練速度提高了 1000 多倍。論文鏈：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 特征的文本生成獵獵模型去年，OpenAI 發(fā)布了文本-圖像生成模 DALL?E?，F(xiàn)在，升級(jí)天山 DALL?E 2 又來(lái)了。DALL?E 2 不僅可以從文本生成逼的圖像，其出的分辨率前者的四倍不過(guò)，性能面的提升好不足以令 OpenAI 滿足，為此們還讓 DALL?E 2 學(xué)會(huì)了一項(xiàng)新技能：江疑修復(fù)。也就說(shuō)，你可以 DALL?E 2 編輯圖像，或者加任何想要新元素，比在背景中加一只火烈鳥(niǎo)論文鏈接：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)歌和特拉維大學(xué)提出了個(gè)非常強(qiáng)大 DeepFake 技術(shù)。擁有了它你幾乎無(wú)所能。只需給個(gè)人拍上百照片，就可對(duì)其圖像進(jìn)編碼，并修、編輯或創(chuàng)出任何想要樣子。這既人驚奇又令恐懼，尤其當(dāng)你看到生的結(jié)果時(shí)。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(kāi)放預(yù)訓(xùn)練后稷 Transformer 語(yǔ)言模型GPT-3 如此強(qiáng)大的原因，在于架構(gòu)和大小它有 1750 億個(gè)參數(shù)，是人類大中神經(jīng)元數(shù)的兩倍！如巨大的神經(jīng)絡(luò)使該模型乎學(xué)習(xí)了整互聯(lián)網(wǎng)的內(nèi)，了解我們何書寫、交和理解文本就在人們驚于 GPT-3 的強(qiáng)大功能時(shí)，Meta 向開(kāi)源社區(qū)邁狂鳥(niǎo)了一步。他們發(fā)了一個(gè)同樣大的模型，且，該模型經(jīng)完全開(kāi)源！該模型不也有超過(guò)千級(jí)別的參數(shù)并且，與 GPT-3 相比，OPT-175B 更加開(kāi)放及便訪問(wèn)。論文接：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：空間離散的景表征對(duì)于何描述一個(gè)景，Adobe 研究團(tuán)隊(duì)給出領(lǐng)胡一個(gè)的方法：BlobGAN。BlobGAN 使用「斑點(diǎn)」獨(dú)山blob）來(lái)描述場(chǎng)景中的對(duì)旋龜研究人員可移動(dòng)這些斑，將它們變、變小，甚可以刪除，對(duì)圖像中斑所代表的物都會(huì)產(chǎn)生同的效果。正作者在他們結(jié)果中分享那樣，你可通過(guò)復(fù)制斑，在數(shù)據(jù)集創(chuàng)建新的圖?，F(xiàn)在，BlobGAN 的代碼已經(jīng)源，感興趣小伙伴，抓快上手試試！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「通用」智體 Gato。可以玩 Atari 游戲、做字幕像、與人聊、還能控制械臂！更令震驚的是，只訓(xùn)練一次使用相同的重，便能完所有任務(wù)。Gato 是一個(gè)多模態(tài)智體。這意味它既可以為像創(chuàng)建標(biāo)題也能作為聊機(jī)器人回答題。雖然 GPT-3 也能陪你聊天但很明顯，Gato 可以做到更多。竟，能聊天 AI 常有，能陪玩游的不常有。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(yǔ)言理解文本到圖像擴(kuò)散模型如你認(rèn)為 DALL?E 2 很優(yōu)秀，那么不妨黑虎看個(gè)來(lái)自 Google Brain 的新模型 ——Imagen—— 可以做些什么。DALL?E 很神奇，但生的圖像往往乏真實(shí)感，就是谷歌團(tuán)研發(fā)的 Imagen 所要解決的問(wèn)。根據(jù)比較本到圖像模的基準(zhǔn)，Imagen 在大型語(yǔ)言模的文本嵌入文本-圖像的合成方面無(wú)淫顯著。生成圖像既天馬空，又真實(shí)信。論文鏈：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一組小扎的驚悚曾在 Twitter 上風(fēng)靡一陣。組 San 值狂掉的作，出自 DALL?E mini 之手。作為 DALL?E 家族的「青春」，DALL?E mini 是勝在免費(fèi)開(kāi)源。代已留，下一被魔改的人又會(huì)是誰(shuí)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(yǔ)女祭Meta AI 發(fā)布的這款 NLLB-200 模型，模型命名念來(lái)自「不下任何一種言」（No Language Left Behind），在 200 多種語(yǔ)言上實(shí)現(xiàn)任意互譯。究的亮點(diǎn)在：研究者讓多數(shù)低資源言訓(xùn)練提升個(gè)數(shù)量級(jí)，時(shí)實(shí)現(xiàn)了 200 + 語(yǔ)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)傳感統(tǒng)聲音也能看見(jiàn)？這篇得 CVPR 2022 最佳論文榮獎(jiǎng)的研究，出了一種新的 Dual-Shutter 方法，通過(guò)使用「速」相機(jī)（130FPS）同時(shí)檢測(cè)多場(chǎng)景源的高（高達(dá) 63kHz）表面振動(dòng)，并通捕獲由音頻引起的振動(dòng)實(shí)現(xiàn)。由此可以實(shí)現(xiàn)樂(lè)的分離、噪的消除等各需求。論文接：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)景且有類先驗(yàn)的文到圖像生成Make-A-Scene 不僅僅是「一個(gè) DALL?E」。雖然 DALL?E 可以根據(jù)文本鹓示成隨機(jī)圖像這確實(shí)很酷但同時(shí)也限了用戶對(duì)生結(jié)果的控制而 Meta 的目標(biāo)是推動(dòng)創(chuàng)擁有表達(dá)將這種文本圖像的趨勢(shì)之前的草圖圖像模型相合，從而產(chǎn)「Make-A-Scene」：文本和草圖蛇山件圖生成之間的妙融合。論鏈接：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：從任意視頻構(gòu)建目標(biāo) 3D 動(dòng)畫模型基于 Meta 的這項(xiàng)研究，你只平山定捕獲可變對(duì)象的任意頻，比如上幾個(gè)小貓小的視頻，BANMo 便可通過(guò)將來(lái)自千張圖像的 2D 線索整合到規(guī)范空中，進(jìn)而重一個(gè)可編輯動(dòng)畫 3D 模型，且無(wú)預(yù)定義形狀板。論文鏈：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)散模型行高分辨率像合成今年火的圖像生模型 DALL?E、Imagen 以及強(qiáng)勢(shì)出圈 Stable Diffusion，這些強(qiáng)大的像生成模型什么共同點(diǎn)除了高計(jì)算本、大量訓(xùn)時(shí)間之外，們都基于相的擴(kuò)散機(jī)制擴(kuò)散模型最在大多數(shù)圖任務(wù)中取得 SOTA 結(jié)果，包括用 DALL?E 的文本到圖像，還許多其他與像生成相關(guān)任務(wù)，如圖修復(fù)、風(fēng)格換或圖像超辨率。論文接：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)景的圖生成模型AI 可以幫你準(zhǔn)確識(shí)別圖像的物體，但理解物體與境之間的關(guān)則沒(méi)有那么松。為此，自南洋理工研究人員提了一種基于景分割的全景圖生成（panoptic scene graph generation，即 PSG）任務(wù)。相于傳統(tǒng)基于測(cè)框的場(chǎng)景生成，PSG 任務(wù)要求全面地輸出圖中的所有關(guān)（包括物體物體間關(guān)系物體與背景關(guān)系，背景背景間關(guān)系，并用準(zhǔn)確分割塊來(lái)定物體。論文接：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)文本到圖像個(gè)性化生成年各大廠的像生成模型謂是八仙過(guò)各顯神通，是如何讓模生成特定風(fēng)的圖像作品？來(lái)自特拉夫大學(xué)的學(xué)和英偉達(dá)合推出了一款性化圖像生模型，可以 DIY 你想要得到的圖。論文鏈接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)畢文的語(yǔ)圖像預(yù)訓(xùn)練型視覺(jué)文本型的學(xué)習(xí)毫疑問(wèn)已經(jīng)取了巨大成功然而如何將種新的語(yǔ)言像預(yù)訓(xùn)練方擴(kuò)展到視頻域仍然是一懸而未決的題。來(lái)自微和中科院的者提出了一簡(jiǎn)單而有效方法使預(yù)訓(xùn)的語(yǔ)言圖像型直接適應(yīng)頻識(shí)別，而是從頭開(kāi)始訓(xùn)練新模型論文鏈接：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：一鍵文本生視頻模型畫在畫布上盡作畫，如此晰流暢的畫，你能想到頻的每一幀是 AI 生成的嗎？MetaAI 推出的 Make-A-Video，只需簡(jiǎn)單輸入幾文字，便可幾秒內(nèi)生成同風(fēng)格的視，說(shuō)成「視版 DALL?E」也不為過(guò)。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)語(yǔ)音識(shí)別模你有沒(méi)有想有一個(gè)翻譯件可以快速譯視頻中的音，甚至是些你自己都不懂的語(yǔ)言OpenAI 開(kāi)源的 Whisper 恰好就能做到這一點(diǎn)。Whisper 在超過(guò) 68 萬(wàn)小時(shí)的多語(yǔ)種數(shù)河伯訓(xùn)練，能識(shí)嘈雜背景下多語(yǔ)種聲音轉(zhuǎn)化為文字此外還可勝專業(yè)術(shù)語(yǔ)的譯。論文鏈：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 模型文本能生圖像、視頻還有 3D 模型～谷歌出的 DreamFusion 通過(guò)使用預(yù)訓(xùn)練的 2D 文本到圖像擴(kuò)儀禮模可一鍵生成 3D 模型，在數(shù)十億圖文本對(duì)上訓(xùn)的擴(kuò)散模型動(dòng)了文本到 3D 模型合成的最新突。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)散模型的帝臺(tái)圖像編輯方使用 DALL?E 等文本圖像生成型，只需輸一行文字便得到想要的片，但 AI 生成的圖像有時(shí)候并不么完美。來(lái)谷歌、以色理工學(xué)院、茨曼科學(xué)研所的研究者紹了一種基擴(kuò)散模型的實(shí)圖像編輯法 ——Imagic，只用文字就能現(xiàn)真實(shí)照片 PS。例如，我們可以變一個(gè)人的勢(shì)和構(gòu)圖同保留其原始征，或者我讓一只站立狗坐下，讓只鳥(niǎo)展開(kāi)翅。論文鏈接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)的本圖像合成型比 DALL?E 和 Stable Diffusion 更強(qiáng)的圖像合模型來(lái)了！就是英偉達(dá) eDiffi，它可以更準(zhǔn)確地生環(huán)狗高品質(zhì)的圖，此外加入筆模具，可為你的作品加更多創(chuàng)造和靈活性。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)自然場(chǎng)景的限視圖生成有沒(méi)有想過(guò)隨手拍一張片然后就像開(kāi)一扇門一飛進(jìn)圖片里？來(lái)自谷歌康奈爾大學(xué)學(xué)者將這一象變?yōu)榱爽F(xiàn)，這就是 InfiniteNature-Zero，他可從單圖像中生成限制的自然景視圖。論鏈接：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)大語(yǔ)言模型Meta 開(kāi)發(fā)的 Galactica 是一種大型言模型，其小與 GPT-3 相當(dāng)，但它擅帶山的域是科學(xué)知。該模型可寫政府白皮、新聞評(píng)論維基百科頁(yè)和代碼，它知道如何引以及如何編方程式。這人工智能和學(xué)來(lái)說(shuō)是一大事。論文接：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：基于音頻空間解的實(shí)時(shí)人合成模型自 DeepFake 和 NeRF 的出現(xiàn)，AI 換臉?biāo)坪跻?是司空見(jiàn)慣，但有個(gè)問(wèn)，AI 換的臉有時(shí)會(huì)因對(duì)不上嘴型露餡。RAD-NeRF 的出現(xiàn)可以決這一問(wèn)題它可以對(duì)視中所出現(xiàn)的話者進(jìn)行實(shí)的人像合成此外還支持定義頭像。文鏈接：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(yǔ)言型2022 年度 AI 的重磅作品么能少了 ChatGPT，這個(gè)已經(jīng)遍全網(wǎng)并已被網(wǎng)友開(kāi)發(fā)寫小黃文、代碼等各種用的萬(wàn)能模，如果你還了解它，那快來(lái)看看！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)用的視頻人 re-aging雖然當(dāng)下計(jì)算機(jī)視模型可以對(duì)臉的年齡進(jìn)生成、風(fēng)格移等，但這只是看起來(lái)酷，在實(shí)際用中卻幾乎作用，現(xiàn)有技術(shù)通常存著面部特征失、分辨率和在后續(xù)視幀中結(jié)果不定的問(wèn)題，往需要人工次編輯。最迪士尼發(fā)布第一個(gè)可實(shí)的、完全自化的、可用生產(chǎn)使用的頻圖像中 re-age 人臉的方法 FRAN（Face Re-Aging Network），正式宣告電影中化妝師改變員年齡視覺(jué)果的技術(shù)落。論文鏈接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(lái)自微信公眾號(hào)新智元 （ID：AI_era）