WeakTr: Exploring Plain Vision Transformer for Weakly-supervised Semantic Segmentation
🖥 Github: https://github.com/hustvl/weaktr
⏩ Paper: https://arxiv.org/abs/2304.01184v1
💨 Dataset: https://paperswithcode.com/dataset/imagenet
ai_machinelearning_big_data
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7❤2🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Segment Anything
The Segment Anything Model (SAM) produces high quality object masks from input prompts such as points or boxes, and it can be used to generate masks for all objects in an image.
Новая модель - Segment Anything, нейросеть, которая в один клик может вырезать любой объект из фото или видео.
🖥 Github: https://github.com/facebookresearch/segment-anything
⭐️ Project: https://segment-anything.com/
⏩ Paper: https://arxiv.org/abs/2304.02643v1
💨 Dataset: https://segment-anything.com/dataset/index.html
ai_machinelearning_big_data
The Segment Anything Model (SAM) produces high quality object masks from input prompts such as points or boxes, and it can be used to generate masks for all objects in an image.
Новая модель - Segment Anything, нейросеть, которая в один клик может вырезать любой объект из фото или видео.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥28👍10❤5🥰1
StackLLaMA: A hands-on guide to train LLaMA with RLHF
In this post, we went through the entire training cycle for RLHF, starting with preparing a dataset with human annotations.
В этой статье блога мы покажем все этапы обучения модели LlaMa для ответов на вопросы на Stack Exchange с RLHF.
🤗 Hugging face: https://huggingface.co/blog/stackllama
⏩ Demo: https://huggingface.co/spaces/philschmid/igel-playground
💨 Dataset: https://huggingface.co/datasets/HuggingFaceH4/stack-exchange-preferences
📌 Paper: https://arxiv.org/abs/2302.13971
ai_machinelearning_big_data
In this post, we went through the entire training cycle for RLHF, starting with preparing a dataset with human annotations.
В этой статье блога мы покажем все этапы обучения модели LlaMa для ответов на вопросы на Stack Exchange с RLHF.
🤗 Hugging face: https://huggingface.co/blog/stackllama
📌 Paper: https://arxiv.org/abs/2302.13971
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9❤6🔥1
🔥 Что такое согласованность данных и почему с ней все так сложно
Понятие согласованности данных сложное, неоднозначное и включает в себя широкий спектр определений, лишь частично совпадающих друг с другом. Команда VK Cloud перевела статью, в которой автор определяет термин «согласованность» в области распределенных БД и рассуждает на тему этой самой согласованности.
ai_machinelearning_big_data
Понятие согласованности данных сложное, неоднозначное и включает в себя широкий спектр определений, лишь частично совпадающих друг с другом. Команда VK Cloud перевела статью, в которой автор определяет термин «согласованность» в области распределенных БД и рассуждает на тему этой самой согласованности.
ai_machinelearning_big_data
🔥4❤2👍1🥴1
Media is too big
VIEW IN TELEGRAM
Painter → SegGPT: Vision Foundation Models from BAAI
SegGPT, a generalist model for segmenting everything in context.
Фреймворк, которые объединяет различные задачи сегментации в универсальную контекстную систему обучения, которая подходит для различных типов сегментации.
🖥 Github: https://github.com/baaivision/painter
⏩ Paper: https://arxiv.org/abs/2304.03284v1
⏩ Demo: https://huggingface.co/spaces/BAAI/SegGPT
💨 Dataset: https://paperswithcode.com/dataset/youtube-vos
ai_machinelearning_big_data
SegGPT, a generalist model for segmenting everything in context.
Фреймворк, которые объединяет различные задачи сегментации в универсальную контекстную систему обучения, которая подходит для различных типов сегментации.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤3🔥2
Instruction Tuning with GPT-4
First attempt to use GPT-4 to generate instruction-following data for LLM finetuning.
Это репозиторий для GPT-4-LLM, целью которого является обмен данными, сгенерированными GPT-4 для построения LLM, с помощью контролируемого обучения и обучения с подкреплением.
🖥 Github: https://github.com/Instruction-Tuning-with-GPT-4/GPT-4-LLM
⏩ Paper: https://arxiv.org/abs/2304.03277v1
⏩ Project: https://instruction-tuning-with-gpt-4.github.io/
ai_machinelearning_big_data
First attempt to use GPT-4 to generate instruction-following data for LLM finetuning.
Это репозиторий для GPT-4-LLM, целью которого является обмен данными, сгенерированными GPT-4 для построения LLM, с помощью контролируемого обучения и обучения с подкреплением.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍6🔥3
DiffMimic: Efficient Motion Mimicking with Differentiable Physics
Utilizing differentiable physics simulators (DPS), DiffMimic simplifies policy learning into a state matching problem, providing faster and more stable convergence than reinforcement learning-based techniques.
В данном фреймворке используются дифференцируемые физические симуляторы (DPS) и предлагается эффективный метод имитации движения, получивший название DiffMim.
🖥 Github: https://github.com/jiawei-ren/diffmimic
⏩ Paper: https://arxiv.org/abs/2304.03274v1
⏩ Project: https://diffmimic.github.io/
⭐️ Demo: https://diffmimic-demo-main-g7h0i8.streamlit.app/
⭐️ Video: https://youtu.be/B0unbsvGsLc
ai_machinelearning_big_data
Utilizing differentiable physics simulators (DPS), DiffMimic simplifies policy learning into a state matching problem, providing faster and more stable convergence than reinforcement learning-based techniques.
В данном фреймворке используются дифференцируемые физические симуляторы (DPS) и предлагается эффективный метод имитации движения, получивший название DiffMim.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11❤4🔥2
Стартовал набор в ШАД — двухгодичную программу Академии Яндекса для тех, кто хочет исследовать Machine Learning и работать в IT-индустрии. Обучение проходит по 4 направлениям:
— data science
— инфраструктура больших данных
— разработка машинного обучения
— анализ данных в прикладных науках
Для опытных разработчиков и ML-исследователей есть альтернативный образовательный трек.
Программа ШАДа полностью бесплатна. Учиться можно дистанционно или офлайн — в одном из 6 филиалов. Скорее переходите по ссылке и заполняйте анкету участника: https://clck.ru/344m9d
Чтобы узнать подробности об обучении в ШАДе и задать вопросы кураторам программы, приходите на День открытых дверей 13 апреля. Ссылка для регистрации: https://academy.yandex.ru/dataschool/enroll#openday
— data science
— инфраструктура больших данных
— разработка машинного обучения
— анализ данных в прикладных науках
Для опытных разработчиков и ML-исследователей есть альтернативный образовательный трек.
Программа ШАДа полностью бесплатна. Учиться можно дистанционно или офлайн — в одном из 6 филиалов. Скорее переходите по ссылке и заполняйте анкету участника: https://clck.ru/344m9d
Чтобы узнать подробности об обучении в ШАДе и задать вопросы кураторам программы, приходите на День открытых дверей 13 апреля. Ссылка для регистрации: https://academy.yandex.ru/dataschool/enroll#openday
👍12❤5🥰5🔥3👎1
⛹️♂️ SportsMOT: A Large Multi-Object Tracking Dataset in Multiple Sports Scenes
A Large-Scale Multi-Object Tracking Dataset in Sports Scenes.
Новый крупный набор данных многообъектного отслеживания в различных видах спорта, собранных для трех видов спорта - баскетбола, волейбола и футбола.
🖥 Github: https://github.com/MCG-NJU/SportsMOT/tree/main/codes
⏩ Paper: https://arxiv.org/abs/2304.05170v1
⭐️ Dataset: https://paperswithcode.com/dataset/sportsmot
ai_machinelearning_big_data
A Large-Scale Multi-Object Tracking Dataset in Sports Scenes.
Новый крупный набор данных многообъектного отслеживания в различных видах спорта, собранных для трех видов спорта - баскетбола, волейбола и футбола.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16❤3🔥3
Х5 Tech проведет Data science meetup #1
В программе:
🎯 Кто такие Data-спецназ X5 Tech, как пришли к автоматизации А/Б тестирования в оффлайне и что делать математику в ритейле
Расскажут Мария Шабалкова и Александр Сахнов, X5 Tech
🎯 Различия поведения пользователя на устройствах с экраном и без и как адаптировать ML-модели под изменение поведение пользователя на примере умной колонки
Выступит Прохор Гладких, SberDevices
🎯 Как правильно построить процесс разметки и освободить сотрудников от классификации обращений на 1000+ классов
Поделится Андрей Сон, Alfa-Bank
📅 26 апреля, начало в 18:00
🌐 Формат - онлайн
Зарегистрироваться
В программе:
🎯 Кто такие Data-спецназ X5 Tech, как пришли к автоматизации А/Б тестирования в оффлайне и что делать математику в ритейле
Расскажут Мария Шабалкова и Александр Сахнов, X5 Tech
🎯 Различия поведения пользователя на устройствах с экраном и без и как адаптировать ML-модели под изменение поведение пользователя на примере умной колонки
Выступит Прохор Гладких, SberDevices
🎯 Как правильно построить процесс разметки и освободить сотрудников от классификации обращений на 1000+ классов
Поделится Андрей Сон, Alfa-Bank
📅 26 апреля, начало в 18:00
🌐 Формат - онлайн
Зарегистрироваться
👍12❤3👎1
👀SEEM: Segment Everything Everywhere All at Once
Universal, interactive multi-modal interface for any types of segmentation with ONE SINGLE MODE.
SEEM позволяет пользователям легко сегментировать изображение, используя подсказки (промпты) различных типов, включая визуальные подсказки ( метки, рамки, каракули и сегменты изображения), языковые подсказки (текст и аудио) и т.д.
🖥 Github: https://github.com/ux-decoder/segment-everything-everywhere-all-at-once
⏩ Paper: https://arxiv.org/abs/2304.06718v1
⭐️ Dataset: https://paperswithcode.com/dataset/refcoco
ai_machinelearning_big_data
Universal, interactive multi-modal interface for any types of segmentation with ONE SINGLE MODE.
SEEM позволяет пользователям легко сегментировать изображение, используя подсказки (промпты) различных типов, включая визуальные подсказки ( метки, рамки, каракули и сегменты изображения), языковые подсказки (текст и аудио) и т.д.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍7❤1
We observe that the reconstruction loss can naturally be the metric of the difficulty of the pre-training task.
Мы предлагаем Hard Patches Mining (HPM), совершенно новую структуру для предварительного обучения MIM. Мы заметили, что потери на восстановление могут естественным образом служить метрикой сложности задачи предварительного обучения.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍12❤2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
🎨 Animated Drawings
A Method for Automatically Animating Children's Drawings of the Human Figure
Метод анимации детских рисунков.
🖥 Github: https://github.com/facebookresearch/AnimatedDrawings
⭐️ Project: https://fairanimateddrawings.com/site/home
⏩ Paper: arxiv.org/pdf/2303.12741.pdf
ai_machinelearning_big_data
A Method for Automatically Animating Children's Drawings of the Human Figure
Метод анимации детских рисунков.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥23👍11❤6
AGIEval: A Human-Centric Benchmark for Evaluating Foundation Models
This repository contains information about AGIEval, data, code and output of baseline systems for the benchmark.
AGIEval, новый бенчмарк, специально разработанный для оценки моделей ориентированных, на вступительные экзамены, математические олимпиады и квалификационные экзамены для юристов.
🖥 Github: https://github.com/microsoft/agieval
⏩ Paper: https://arxiv.org/abs/2304.06364v1
⭐️ Dataset: https://paperswithcode.com/dataset/jec-qa
ai_machinelearning_big_data
This repository contains information about AGIEval, data, code and output of baseline systems for the benchmark.
AGIEval, новый бенчмарк, специально разработанный для оценки моделей ориентированных, на вступительные экзамены, математические олимпиады и квалификационные экзамены для юристов.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13❤2🔥1
SiLK - Simple Learned Keypoints
SiLK is a self-supervised deep learning keypoint model.
🖥 Github: https://github.com/facebookresearch/silk
⏩ Paper: https://arxiv.org/abs/2304.06194v1
⭐️ Dataset: https://paperswithcode.com/dataset/hpatches
ai_machinelearning_big_data
SiLK is a self-supervised deep learning keypoint model.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15🔥4❤1
📝 An open, billion-scale corpus of images interleaved with text.
MultimodalC4 is a multimodal extension of c4 that interleaves millions of images with text.
Открытый миллиардный корпус изображений, чередующихся с текстом.
🖥 Github: https://github.com/allenai/mmc4
⏩ Paper: https://arxiv.org/abs/2304.06939v1
⭐️ Dataset: https://paperswithcode.com/dataset/c4
ai_machinelearning_big_data
MultimodalC4 is a multimodal extension of c4 that interleaves millions of images with text.
Открытый миллиардный корпус изображений, чередующихся с текстом.
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍17😱4❤2🔥2👏1
This notebook shows how to fine-tune the Graphormer model for Graph Classification on a dataset available on the hub.
В этой статье мы рассмотрим, как можно выполнять классификацию графов с помощью библиотеки Transformers.
🤗Hugging face blog: https://huggingface.co/blog/graphml-classification
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍14❤2🦄2🔥1🥰1
Inpaint Anything: Segment Anything Meets Image Inpainting
Inpaint Anything is able to remove the object smoothly.
"Inpaint Anything" - новый проект, который позваоляет удалить / заполнить / заменить что угодно на картинке (помощью промпта).
🖥 Github: https://github.com/geekyutao/Inpaint-Anything
⏩ Paper: https://arxiv.org/abs/2304.06790
⭐️ Dataset: https://segment-anything.com/dataset/index.html
ai_machinelearning_big_data
Inpaint Anything is able to remove the object smoothly.
"Inpaint Anything" - новый проект, который позваоляет удалить / заполнить / заменить что угодно на картинке (помощью промпта).
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13🔥6❤2
Stability AI запускает первый набор языковых моделей StableLM
This repository contains Stability AI's ongoing development of the StableLM series of language models and will be continuously updated with new checkpoints. The following provides an overview of all currently available models. More coming soon.
StableLM предназначена для генерации текста и кода и будет использоваться в различных приложениях. Модель обучена и полностью готова к использованию всеми желающими абсолютно бесплатно. В данный момент готовы к использованию языковые модели с 3B и 7B (3 и 7 млрд.) параметрами.
🖥 Github: https://github.com/Stability-AI/StableLM
🤗 Hugging face: https://huggingface.co/spaces/stabilityai/stablelm-tuned-alpha-chat
ai_machinelearning_big_data
This repository contains Stability AI's ongoing development of the StableLM series of language models and will be continuously updated with new checkpoints. The following provides an overview of all currently available models. More coming soon.
StableLM предназначена для генерации текста и кода и будет использоваться в различных приложениях. Модель обучена и полностью готова к использованию всеми желающими абсолютно бесплатно. В данный момент готовы к использованию языковые модели с 3B и 7B (3 и 7 млрд.) параметрами.
🤗 Hugging face: https://huggingface.co/spaces/stabilityai/stablelm-tuned-alpha-chat
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍19🔥4❤2🤯2