متا با مدل Audio2Photoreal نشون داده چطوری از صدای یک مکالمه دوتایی، حرکات مربوط به چهره، بدن، و دست را مصورسازی میکنند!

▪️ From Audio to Photoreal Embodiment: Synthesizing Humans in Conversations

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تا حالا به این فکر کردید که هر تصویری، فیلمی و آهنگی و... یک صدا داره الان ایده رو به واقعیت تبدیل کردند. مدل Unified-IO 2 قادر به درک و تولید تصویر، متن، صدا و طرز عملکرد است.

▪️ Unified-IO 2: Scaling Autoregressive Multimodal Models with Vision, Language, Audio, and Action

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

قبلا مقاله RAG رو معرفی کردم چه نیازی به این مدل بود #مقاله معرفی شده یک مقاله مروری از کارهای انجام گرفته با ا ین مدل هست که میتونه ایده های جذابی رو برای کارهای پژوهشیتون ارایه بده.

▪️ Retrieval-Augmented Generation for Large Language Models: A Survey
▪️ A Cheat Sheet and Some Recipes For Building Advanced RAG

#ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

یک دوره فوق العاده عالی از موسسه KAIST کره جنوبی در کنفرانس های مطرح هوش مصنوعی که پژوهش هاشون اکثرا روی موضوعات 3d و 2d دیتاها بود و در کانال دیدید مقالاتی که معرفی میکردم چه موضوعات داغی شکل گرفته بود و چه خروجیهایی منتشر میشد. یه موضوع جالبیه اینم اگه علاقه دارین این حیطه پژوهشی رو دنبال کنید.

▪️ CS479: Machine Learning for 3D Data

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

وقتی همه چی و قراره راحت کنن با چند خط کد به تصاویر ماهواره ای دست پیدا کرده

https://gist.github.com/alexgleith/dc49156aab4b9270b0a0f145bd7fa0ce

#پایتون

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

#ریاضی چیه؟ چطور تفکر ریاضیاتی داشته باشیم؟ هرچی راجب ریاضی میخوایین میدونین اینجا هست.

▪️ Everything You Always Wanted To Know About Mathematics

#کتاب #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

مدل مشهور LLama 7b بر روی زبان فارسی ترین شده اگه میخواستین استفاده کنین اینجاست

https://huggingface.co/spaces/mostafaamiri/persian_llama_7b/tree/main

https://colab.research.google.com/drive/14Mfhv2vf3ElTnS5JQGpv-D0jn_qJh88R?usp=sharing

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

MoE-Mamba: Efficient Selective State Space Models with Mixture of Experts

Reaches the same performance as Mamba in 2.2x less training steps while preserving the inference performance gains of Mamba against the Transformer

arxiv.org/abs/2401.04081

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

CRUXEval (Code Reasoning, Understanding, and eXecution Evaluation), a benchmark consisting of 800 Python functions (3-13 lines).

▪️ CRUXEval: A Benchmark for Code Reasoning, Understanding and Execution

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

مقاله

▪️ Mixtral of Experts
▪️ Paper

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

#فان #متفرقه

مدل جدید متا text-to-music and text-to-audio

▪️ Masked Audio Generation using a Single Non-Autoregressive Transformer

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

A Free Lunch for Handling Unlimited Sequence Lengths in Large Language Models
Lightning Attention-2: A Free Lunch for Handling Unlimited Sequence Lengths in Large Language Models
https://huggingface.co/papers/2401.04658

خیلی کاربردی با استفاده مدلهای زبانی و مدل اوپن سورس شده llama این پروژه رو با استفاده چنین سیستمی اجرا شد. کلی مدل اون سورس شده رزومه خودتون رو ارتقا بدید.
MacBook Air M1 with 8GB RAM

Sparrow is a neat tool to extract JSON data from any scanned documents/images, using LLMs + other AI models.

▪️ Sparrow - Data extraction from documents with ML

#پروژه #پردازش_زبان_طبیعی #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

What's next? More curated and synthetic data? Innovation around Mixture of Experts and improved architectures? Combining models? Better post-training approaches? Better prompt engineering techniques? Better model augmentation?

▪️ Blending Is All You Need: Cheaper, Better Alternative to Trillion-Parameters LLM

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

ی مدل جدیدی از علی بابا منتشر شده که میتونین همه ابجتکی رو جایگزین قبلی کنین

▪️ ReplaceAnything as you want: Ultra-high quality content replacement

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

ی مدل از گوگل معرفی شده که objectها رو حذف می کنین یا اضافه کنین اگه قبلا با NeRF کار کردین این موضوع جالبیه براتون الان

▪️ InseRF: Text-Driven Generative Object Insertion in Neural 3D Scenes

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

اگه روی pose detection و ... کار میکنین این مقاله میتونه موضوع جالبی باشه در این مدل با نورپردازی های متفاوتی سیستم خودشو تطبیق میده و میتونه بهترین کیفیت عکس رو برای مخاطب به ا رمغان بیاره

▪️ URHand: Universal Relightable Hands

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

SigLIP: a better CLIP model

CLIP by OpenAI was an amazing model as it has very broad knowledge in linking images with text, as it has been pre-trained on 400 million image-text pairs carefully crafted from the web. It led to many advances in text-to-image and image-to-text advances such as Stable Diffusion, image captioning, VQA, text-based segmentation/object detection, 3D understanding and more.

The architecture of CLIP is very simple: it consists of an image encoder and text encoder (both Transformer-based), and the model is pre-trained in a contrastive way, making sure that the embeddings of images and texts that belong together are close to each other in embedding space, and images and text which don't belong together are far apart.

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

کل پی ویم شده فیلترشکن خوبی اگه میشناسین مورد اعتماد باشه معرفی کن پیشنهاد شخصی خودم به کسی هم معرفیش کردم کسی تا حالا ناراضی پیام نداده معرفیت بد بوده اگه دوست داشتین شما هم فیلترشکن خوب استفاده کنین از این لینک استفاده کنین

https://news.1rj.ru/str/F14PanelBot