Una selección de artículos sobre aprendizaje automático: casos, guías y estudios para mayo de 2020

Continuamos recopilando para usted las noticias y herramientas más interesantes del campo del aprendizaje automático, escritas en un idioma accesible.

Jukebox

A principios de este mes, OpenAI despertó un gran interés en la comunidad de ML al publicar el código fuente de su proyecto llamado Jukebox. Esta herramienta que utiliza algoritmos de aprendizaje automático le permite generar composiciones de artistas populares. En la red ya puede encontrar ejemplos de pistas generadas por los usuarios, hay combinaciones muy inusuales.

AR Copiar y pegar

El desarrollador francés Cyril Diagne introdujo una aplicación AR que toma imágenes de objetos, elimina todo el fondo innecesario de las imágenes y (usando U ^ 2-Net) transfiere el resultado a los programas que se ejecutan en la computadora. Por ejemplo, el autor muestra cómo puede seleccionar y agregar rápidamente ilustraciones a una presentación utilizando la aplicación. Ya puede ver el código e inscribirse para obtener acceso temprano a la aplicación, que actualmente se encuentra en desarrollo.



Pose Animator

Una herramienta de código abierto para animaciones web con la que puedes animar personajes dibujados en SVG. La herramienta se basa en otras dos bibliotecas Facemesh y PoseNet , que utilizan una cámara web para capturar movimientos. El artículo muestra cómo se creó la herramienta y muestra cómo usarla.



Zoo de galaxia

Un estudio de caso sobre cómo combinar con éxito el crowdsourcing y el aprendizaje automático para procesar rápidamente información compleja. La plataforma Galaxy Zoo ha combinado estos dos enfoques para estudiar la evolución de las galaxias clasificando millones de imágenes. El material describe cómo marcar solo los datos que mejor ayudarán a mejorar el modelo existente.

DistilBERT

Startup Hugging Face comparte su experiencia en la creación de una API pública con la que puede optimizar el rendimiento de los modelos de PNL en Node.js.

Analizador de

ensayos clínicos La mayoría de los ensayos clínicos no logran reclutar suficientes participantes. Esto se debe al hecho de que las personas sin miel. La educación no siempre comprende los criterios de selección y los detalles de la investigación. Facebook introducidoHerramienta de código abierto que tiene como objetivo resolver este problema.

GrokNet

Facebook ha anunciado un sistema universal de visión por computadora diseñado para el comercio electrónico. Es capaz de identificar los atributos de los bienes en diferentes categorías, desde la decoración de automóviles hasta la decoración del hogar. El artículo describe cómo se entrenó el modelo en siete conjuntos de datos y qué dificultades encontró. Una serie de videos también muestra cómo este modelo ayudará a la plataforma a cambiar el comercio en línea.

S2IGAN

Parece que prometimos no incluir materiales que contengan enlaces a repositorios vacíos en la colección, pero quiero hacer una excepción. S2IGAN es un marco que traduce el discurso en imágenes. Usando un codificador dual, se ha creado un modelo que genera imágenes usando una descripción de voz. Los autores del estudio prometen publicar el código pronto, pero por ahora deben contentarse con ejemplos de aves generadas.



Estimación consistente de la profundidad de video

Se presenta un algoritmo que, utilizando una red neuronal convolucional, determina la profundidad de cuadros individuales y restaura una profundidad geométricamente consistente para todo el video. Esto ayuda a hacer frente a una serie de limitaciones, por ejemplo, cuando la imagen es inestable debido a las sacudidas. Puede aplicar una tecnología similar en varios campos, para efectos AR o automóviles de piloto automático. El repositorio todavía está vacío, pero los autores prometen compartir el código fuente.

Eso es todo, ¡gracias por mirar!