📹 Internal Video Inpainting by Implicit Long-range Propagation

Github: https://github.com/Tengfei-Wang/Implicit-Internal-Video-Inpainting

Paper: https://arxiv.org/abs/2108.01912v1

4k Data: https://github.com/Tengfei-Wang/Annotated-4K-Videos

Dataset: https://paperswithcode.com/dataset/videoremoval4k

@ai_machinelearning_big_data

🔍 Contrastive Sensor Fusion

Github: https://github.com/descarteslabs/contrastive_sensor_fusion

Paper: https://arxiv.org/abs/2108.05094v1

@ai_machinelearning_big_data

🎨 Paint Transformer: Feed Forward Neural Painting with Stroke Prediction

Github: https://github.com/huage001/painttransformer

Paper: https://arxiv.org/abs/2108.03798

Paddle Implementation: https://github.com/PaddlePaddle/PaddleGAN

@ai_machinelearning_big_data

🧹 Overview of data cleaning methods

https://habr.com/ru/company/ru_mts/blog/571606/

@ai_machinelearning_big_data

⚪ SP-GAN: Sphere-Guided 3D Shape Generation and Manipulation (SIGGRAPH 2021)

Github: https://github.com/liruihui/sp-gan

Paper: https://arxiv.org/abs/2108.04476v1

Project: https://liruihui.github.io/publication/SP-GAN/

@ai_machinelearning_big_data

ESPnet: end-to-end speech processing toolkit

Github: https://github.com/espnet/espnet

Paper: https://arxiv.org/abs/2107.09011v2

Notebook: https://github.com/espnet/notebook

@ai_machinelearning_big_data

Multiscale Vision Transformers: A hierarchical architecture for representing image and video information

Facebook blog: https://ai.facebook.com/blog/multiscale-vision-transformers-an-architecture-for-modeling-visual-data/

Code: https://github.com/facebookresearch/SlowFast

Pytorch video: https://github.com/facebookresearch/pytorchvideo

Paper: https://arxiv.org/abs/2104.11227

@ai_machinelearning_big_data

🖊 Как внедряются элементы машинного обучения в службу поддержки: об этом рассказал Яндекс Go в новой статье на VC.

Внутри можно узнать, каких результатов добилась компания и какие задачи решила благодаря SupportAI:

VC: https://vc.ru/yandex.go/280385-yandeks-uluchshil-kachestvo-pismennoy-podderzhki-polzovateley-i-sokratil-rashody-bolee-chem-na-45

@ai_machinelearning_big_data

Oriented R-CNN for Object Detection

Github: https://github.com/jbwang1997/OBBDetection

BboxToolkit: https://github.com/jbwang1997/BboxToolkit

Paper: https://arxiv.org/abs/2104.11227

@ai_machinelearning_big_data

⏺ Towards Interpretable Deep Metric Learning with Structural Matching

Github: https://github.com/wl-zhao/diml

Paper: https://arxiv.org/abs/2108.05889v1

RevisitDML: https://github.com/wl-zhao/diml

@ai_machinelearning_big_data

👁 MMOCR: A Comprehensive Toolbox for Text Detection, Recognition and Understanding

MMOCR is an open-source toolbox based on PyTorch and mmdetection for text detection, text recognition

Github: https://github.com/open-mmlab/mmocr

Paper: https://arxiv.org/abs/2108.06543v1

Documentation: https://mmocr.readthedocs.io/en/latest/

@ai_machinelearning_big_data

💡 X-modaler: A Versatile and High-performance Codebase for Cross-modal Analytics

Github: https://github.com/yehli/xmodaler

Paper: https://arxiv.org/abs/2108.08217v1

Project: https://xmodaler.readthedocs.io/en/latest/

@ai_machinelearning_big_data

✔️ Fully Convolutional Networks for Panoptic Segmentation

Github: https://github.com/dvlab-research/panopticfcn

Paper: https://arxiv.org/pdf/2012.00720.pdf

Methods: https://paperswithcode.com/method/fcn

@ai_machinelearning_big_data

🔍 TOOD: Task-aligned One-stage Object Detection

Github: https://github.com/fcjian/TOOD

Paper: https://arxiv.org/abs/2108.07755v2

Dataset: https://paperswithcode.com/dataset/coco

@ai_machinelearning_big_data

🎩 Mr. TyDi: A Multi-lingual Benchmark for Dense Retrieval

Mr. TyDi is a multi-lingual benchmark dataset built on TyDi, covering eleven typologically diverse languages.

Github: https://github.com/castorini/mr.tydi

Paper: https://arxiv.org/abs/2108.08787

Tasks: https://paperswithcode.com/task/representation-learning

@ai_machinelearning_big_data

Data-driven организация: когда алгоритмы заменят людей?

В Data-Driven подходе все принимаемые решения основаны на big data. Что это — просто мода на использование больших данных или действительно эффективный инструмент? А может, всего лишь хайповое название привычных вещей?

Этой теме будет посвящен «Цифровой четверг» Х5.

Дата: 30 сентября 10:00, онлайн

Открытый разговор с экспертами рынка (X5 Group, Ростелеком, Яндекс.Музыка, Кинопоиск, НИУ ВШЭ, Segmento) о том, как и зачем становиться Data-Driven компанией, почему иногда кейсы работы с данными не приносят реальной пользы бизнесу и могут ли алгоритмы заменить людей?

Участие бесплатное, но необходима регистрация. Подробнее про мероприятие тоже по ссылке.

🔗 A Unified Objective for Novel Class Discovery

Github: https://github.com/DonkeyShot21/UNO

Paper: https://arxiv.org/abs/2108.08536v2

Dataset: https://paperswithcode.com/dataset/cifar-100

@ai_machinelearning_big_data

🕸 Bag of Tricks for Training Deeper Graph Neural Networks: A Comprehensive Benchmark Study

Github: https://github.com/VITA-Group/Deep_GCN_Benchmarking

Paper: https://arxiv.org/abs/2108.10521v1

@ai_machinelearning_big_data

💡Volunteer computing: статья про коллаборативное обучение нейросети

Если вы хотите создавать большие модели, не имея суперкомпьютер за спиной, то вам понадобится технология, способная разделить вычисления между теми, кто готов предоставить вам мощности. В этом поможет технология DeDLOC, разработанная в Yandex Research, Hugging Face и University of Toronto.

Хабр: https://habr.com/ru/company/yandex/blog/574466/

@ai_machinelearning_big_data

🧍 Fast and Flexible Human Pose Estimation with HyperPose

Github: https://github.com/tensorlayer/hyperpose

Paper: https://arxiv.org/abs/2108.11826v1

Docs: https://hyperpose.readthedocs.io/en/latest/markdown/quick_start/prediction.html#table-of-flags-for-hyperpose-cli

@ai_machinelearning_big_data

💬 Train Short, Test Long: Attention with Linear Biases Enables Input Length Extrapolation

Github: https://github.com/ofirpress/attention_with_linear_biases

Paper: https://ofir.io/train_short_test_long.pdf

Fairseq: https://github.com/pytorch/fairseq

@ai_machinelearning_big_data