Découvrez Rapidement La Dernière Version De Gradio 5 ! Utilisé Par Plus De 2 Millions D'utilisateurs ; Sélectionné Pour ACCV'24, Ensemble De Données D'amélioration D'images En Basse Lumière LoLI-Street En Ligne
Depuis son lancement, Gradio est utilisé par plus de 2 millions d'utilisateurs par mois et joue un rôle clé dans l'écosystème de développement de l'IA. Son code concis et son interface intuitive permettent de transformer facilement des modèles d'apprentissage automatique complexes en applications Web conviviales tout en garantissant la sécurité et l'accessibilité des applications.
L'équipe Gradio a récemment publié la dernière version, la version stable de Gradio 5, qui a apporté des mises à niveau majeures dans les applications en temps réel et le streaming multimédia, avec une latence plus faible et une expérience plus fluide.Afin de permettre à chacun de découvrir les améliorations techniques de Gradio 5 plus tôt et plus facilement, le site officiel hyper.ai utilise Gradio pour déployer deux tutoriels populaires, qui peuvent être clonés et utilisés en un clic :
1. Depth Pro génère instantanément des cartes de profondeur 3D
Exécutez en ligne :https://go.hyper.ai/bSp3h
2. Pyramid Flow génère une démo vidéo ultra haute définition en une minute
Exécutez en ligne :https://go.hyper.ai/njiHn
Du 21 au 25 octobre, le site officiel de hyper.ai est mis à jour :
* Tutoriels sélectionnés de haute qualité : 2
* Ensembles de données publiques de haute qualité : 10
* Sélection d'articles communautaires : 4 articles
* Entrées d'encyclopédie populaire : 5
* Principales conférences avec dates limites en novembre : 7
Visitez le site officiel :hyper.ai
Tutoriels publics sélectionnés
1. Depth Pro génère instantanément des cartes de profondeur 3D
Depth Pro est un modèle de base d'estimation de profondeur monoculaire métrique à zéro tir open source qui peut générer rapidement des cartes de profondeur 3D haute résolution à partir d'une seule image 2D. Ce modèle est non seulement rapide, ne prenant que 0,3 seconde, mais fournit également des informations de profondeur au niveau métrique, et les cartes de profondeur générées ont une échelle réelle. Ce projet peut générer une interface interactive front-end via l'interface Gradio. Les modèles et dépendances pertinents ont été déployés et peuvent être clonés en un clic pour en faire l'expérience.
Exécutez en ligne :https://go.hyper.ai/bSp3h
2. Pyramid Flow génère une démo vidéo ultra haute définition en une minute
Pyramid Flow est un modèle de génération de vidéo ultra haute définition open source. Ce modèle peut générer des vidéos de haute qualité d'une durée maximale de 10 secondes, d'une résolution allant jusqu'à 1280 × 768 et d'une fréquence d'images de 24 ips basées sur des descriptions textuelles. Sa technologie principale est l'algorithme de correspondance de flux pyramidal, qui décompose le processus de génération vidéo en plusieurs étapes avec différentes résolutions, améliorant ainsi l'efficacité et la qualité de la génération. Exécutez le conteneur selon le didacticiel et copiez directement l’adresse API pour générer une vidéo ultra haute définition.
Exécutez en ligne :https://go.hyper.ai/njiHn
💡Nous avons également créé un groupe d'échange de tutoriels Stable Diffusion. Bienvenue aux amis pour scanner le code QR et commenter [tutoriel SD] pour rejoindre le groupe pour discuter de divers problèmes techniques et partager les résultats de l'application ~
Ensembles de données publiques sélectionnés
1. Ensemble de données d'amélioration d'images en basse lumière LoLI-Street
Cet ensemble de données se compose de 33 000 paires d'images à faible luminosité et bien exposées provenant de scènes de rue urbaines développées, couvrant 19 000 catégories d'objets pour la détection d'objets. Il comprend également 1 000 images de test réelles en basse lumière pour tester le modèle d'amélioration d'image en basse lumière (LLIE) dans des conditions réalistes. Cet ensemble de données est crucial pour de nombreuses tâches de vision par ordinateur, notamment la détection d’objets, le suivi, la segmentation et la compréhension de scènes. Les résultats pertinents ont été acceptés par ACCV'24.
Utilisation directe :https://go.hyper.ai/XD7kV
2. Ensemble de données d'apprentissage du robot BC-Z
L'ensemble de données prend en charge la généralisation des tâches à tir nul, qui permet aux robots d'effectuer de nouvelles tâches de manipulation grâce à l'apprentissage par imitation sans expérience préalable. Il contient plus de 25 000 scénarios de tâches d'exploitation différents, couvrant 100 tâches d'exploitation diverses.
Utilisation directe :https://go.hyper.ai/Lg1GC
3. Peinture traditionnelle chinoise Ensemble de données sur la peinture traditionnelle chinoise
L'ensemble de données contient 1 000 images de contenu et 100 images de style. La plupart des images du contenu sont de véritables scènes de montagnes, de lacs, de rivières, de ponts, de bâtiments, etc. du Jiangnan, qui incluent non seulement des paysages chinois, mais aussi le Rhin, les Alpes, Yellowstone, le Grand Canyon et d'autres paysages magnifiques.
Utilisation directe :https://go.hyper.ai/wwZqs
4. Ensemble de données de réglage des instructions mathématiques OpenMathInstruct-2
L'ensemble de données contient 14 millions de paires questions-réponses et est près de huit fois plus grand que le précédent plus grand ensemble de données de ce type. En affinant le modèle Llama-3.1-8B-Base avec OpenMathInstruct-2, ses performances sur l'ensemble de données MATH sont améliorées de 15,9% par rapport à Llama3.1-8B-Instruct (de 51,9% à 67,8%).
Utilisation directe :https://go.hyper.ai/fxskH
5. Ensemble de données de référence de raisonnement mathématique Omni-MATH
Cet ensemble de données contient 4 428 problèmes mathématiques de niveau compétition rigoureusement annotés manuellement, couvrant 33 sous-domaines et plus de 10 niveaux de difficulté différents, du niveau préparatoire aux Olympiades aux meilleures compétitions mathématiques des Olympiades telles que l'IMO (International Mathematical Olympiad), l'IMC (International Mathematical Contest) et le Putnam Mathematics Competition.
Utilisation directe :https://go.hyper.ai/tYgfN
6. Base de raisonnement Ensemble de données de base de raisonnement de 20 000
L'ensemble de données est conçu pour former des modèles de raisonnement afin qu'ils puissent réfléchir à des problèmes complexes et réagir comme des humains. L'ensemble de données comprend diverses questions de différents domaines (sciences, codage, mathématiques, etc.), chacune avec une chaîne d'idées détaillée (COT) et la bonne réponse. L’objectif est de permettre au modèle d’apprendre et d’améliorer son processus de raisonnement, d’identifier et de corriger les erreurs et de fournir des réponses détaillées de haute qualité.
Utilisation directe :https://go.hyper.ai/ssznB
7. Ensemble de données de trajectoire d'étiquette de langage de robot de table de langage
L'ensemble de données contient près de 600 000 trajectoires étiquetées en langage pour promouvoir le développement de robots plus avancés et plus performants, capables d'interagir avec le langage naturel. En s'entraînant sur un ensemble de données de centaines de milliers de trajectoires annotées linguistiquement, les chercheurs ont découvert que la politique résultante était capable d'exécuter 10 fois plus d'instructions que ce qui était possible auparavant, décrivant les compétences audiovisuelles et motrices de bout en bout du monde réel.
Utilisation directe :https://go.hyper.ai/bUPXz
8. Ensemble de données d'apprentissage robotique à grande échelle BridgeData V2
Conçu pour faciliter la recherche sur l'apprentissage robotique évolutif, l'ensemble de données contient plus de 60 000 trajectoires de robots collectées dans 24 environnements différents. Pour améliorer les capacités de généralisation du robot, les chercheurs ont collecté une grande quantité de données de tâches dans une variété d’environnements avec différents objets, positions de caméra et positionnement de l’espace de travail. Chaque trajectoire était accompagnée d’instructions en langage naturel correspondant à la tâche du robot.
Utilisation directe :https://go.hyper.ai/eqcYW
9. Ensemble de données sur les robots du monde réel RT-1 Robot Action
Cet ensemble de données est utilisé pour former le modèle RT-1. Les compétences de haut niveau couvertes dans l'ensemble de données comprennent la prise et le placement d'objets, l'ouverture et la fermeture de tiroirs, le retrait et le placement d'objets dans des tiroirs, le placement d'objets longs et fins à la verticale, le déplacement d'objets, le retrait de serviettes et l'ouverture de bocaux, couvrant plus de 700 tâches utilisant une variété d'objets différents.
Utilisation directe :https://go.hyper.ai/8ySHu
10. Ensemble de données informatiques médicales MedCalc-Bench
Cet ensemble de données contient 10 055 instances de formation et 1 047 instances de test, couvrant 55 tâches de calcul différentes. Chaque exemple comprend les notes du patient, une question pour calculer une valeur clinique spécifique, la valeur de réponse finale et une solution étape par étape. L'objectif de MedCalc-Bench est d'améliorer les compétences de raisonnement verbal et informatique des LLM dans un contexte médical.
Utilisation directe :https://go.hyper.ai/5bhzs
Pour plus d'ensembles de données publics, veuillez visiter:
Articles de la communauté
Des chercheurs de l'Université de Tohoku au Japon et du Massachusetts Institute of Technology ont lancé un nouvel outil d'intelligence artificielle, GNNOpt, qui a identifié avec succès 246 matériaux avec des rendements de conversion d'énergie solaire dépassant 32% et 296 matériaux quantiques avec des poids quantiques élevés, accélérant considérablement la découverte de l'énergie et des matériaux quantiques. Cet article est une interprétation détaillée et un partage du document de recherche.
Voir le rapport complet :https://go.hyper.ai/3uRDH
Le Forum Open Source AI 2024 (IA pour la science) se tiendra le 2 novembre ! À cette époque, les chercheurs de nombreuses universités se concentreront sur des domaines de recherche scientifique tels que la santé médicale, la science de l'information géographique et les systèmes complexes spatio-temporels, apportant une vulgarisation technologique approfondie et une analyse des tendances de développement de l'industrie à partir de différentes perspectives de recherche universitaire et d'applications industrielles.
Consultez les détails de l'événement :https://go.hyper.ai/MiQ1O
L'Université du Zhejiang et Microsoft Research Asia ont proposé conjointement un nouveau cadre unifié de pré-formation en imagerie médicale, UniMedI. Il utilise les rapports de diagnostic comme espace sémantique commun pour créer une représentation unifiée des images médicales de différentes modalités, intégrant avec succès les images 2D et 3D et faisant un meilleur usage des données médicales complexes. Cet article est une interprétation et un partage détaillés du document.
Voir le rapport complet :https://go.hyper.ai/MXYTq
Face à l’urgence croissante du changement climatique, une campagne mondiale et sectorielle de réduction des émissions de carbone bat son plein. CuspAI, qui se concentre sur l’utilisation de l’IA pour explorer les matériaux de capture du carbone, a décollé encore plus rapidement. Le 18 juin de cette année, elle a reçu un tour de financement d'amorçage pouvant atteindre 30 millions de dollars américains (environ 217 millions de RMB), devenant ainsi l'un des plus importants tours de financement d'amorçage en Europe cette année-là. Qu’est-ce qui rend cette startup si attrayante ? Lisez cet article et vous trouverez peut-être la réponse.
Voir le rapport complet :https://go.hyper.ai/nErwd
Articles populaires de l'encyclopédie
1. Mise en commun
2. Auto-encodeur variationnel VAE
3. Réseau neuronal quantique (QNN)
4. Test t apparié
5. Augmentation des données
Voici des centaines de termes liés à l'IA compilés pour vous aider à comprendre « l'intelligence artificielle » ici :
Date limite de novembre pour le sommet
Suivi unique des principales conférences universitaires sur l'IA :https://go.hyper.ai/event
Voici tout le contenu de la sélection de l’éditeur de cette semaine. Si vous avez des ressources que vous souhaitez inclure sur le site officiel hyper.ai, vous êtes également invités à laisser un message ou à soumettre un article pour nous le dire !
À la semaine prochaine !
À propos d'HyperAIhyper.ai)
HyperAI Super Neural (hyper.ai) est une communauté de premier plan en matière d'intelligence artificielle et de calcul haute performance en Chine.Nous nous engageons à devenir l'infrastructure dans le domaine de la science des données en Chine et à fournir des ressources publiques riches et de haute qualité aux développeurs nationaux. Jusqu'à présent, nous avons :
* Fournir des nœuds de téléchargement accélérés nationaux pour plus de 1 300 ensembles de données publiques
* Comprend plus de 400 tutoriels en ligne classiques et populaires
* Interprétation de plus de 100 cas d'articles AI4Science
* Prise en charge de plus de 500 termes de recherche associés
* Hébergement de la première documentation complète d'Apache TVM en Chine
Visitez le site Web officiel pour commencer votre parcours d'apprentissage :