文章插图
论文摘要(2020人工智能论文摘要)虽然今年世界上发生了这么多事情，但我们仍然有机会看到许多惊人的研究成果 。尤其是在人工智能领域 。此外，今年还强调了很多重要的方面，比如伦理道德、重要偏见等等 。人工智能和我们对人脑的理解及其与人工智能的联系正在不断发展，并将在不久的将来显示出有希望的应用 。
以下是今年最有趣的研究论文，如果你错过了其中的任何一篇 。简而言之，基本上是根据发布日期列出的人工智能和数据科学的最新突破，有清晰的视频讲解，更深入的文章链接和代码(如果适用) 。
最后，本文列出了每篇论文的完整参考文献 。
YOLOv4:物体检测的最佳速度和精度[1]
第四版由Alexey Bochkovsky等人在2020年4月的论文《Yolov4:物体检测的最佳速度和精度》中介绍 。该算法的主要目标是在精度方面做出高质量的超高速目标检测器 。
深度人脸绘制:从草图深度生成人脸图像[2]
现在你可以使用这种新的图像到图像转换技术，从粗糙甚至不完整的草图中生成高质量的人脸图像，而无需绘图技能！如果你的绘画技巧和我一样糟糕，你甚至可以调整眼睛、嘴巴和鼻子对最终图像的影响 。让我们看看它是否真的有效，以及他们是如何做到的 。
学习用GameGAN模拟动态环境[3]
这项研究由英伟达多伦多AI实验室和日本游戏制造商*BANDAI NAMCO开发，前者提供技术，后者提供数据 。
简单来说，GameGAN只需要学习简单的游戏视频和玩家输入就可以模拟接近真实游戏的环境，不需要游戏引擎和底层代码 。它的底层是人工智能领域众所周知的生成对抗网络(GAN) 。
脉冲:通过生成模型的潜在空间探索进行自监督照片上采样[4]
它可以将超低分辨率的16x16图像转换成1080p高清人脸！你不相信我？然后你可以在不到一分钟的时间里自己试穿，就像我一样！
编程语言的无监督翻译[5]
这种新模型可以在没有任何监督的情况下将代码从一种编程语言转换成另一种编程语言！它可以接受一个Python函数，并将其转换为c++函数，反之亦然，无需任何前面的示例！它理解每种语言的语法，所以可以扩展到任何编程语言！让我们看看他们是怎么做的 。
PIFuHD:用于高分辨率三维人体数字化的多级像素对齐隐式函数[6]
这种人工智能从2D图像生成人的三维高分辨率重建！它只需要一个单一的图像，你就可以生成一个看起来像你的3D头像，即使是从后面看！
视觉效果的高分辨率神经人脸交换[7]
迪士尼研究人员开发了一种新的具有高分辨率视觉效果的人脸交换算法 。它可以以一百万像素的分辨率渲染照片的真实结果 。。他们的目标是在保持演员表演的同时，从源演员那里交换目标演员的外貌 。这在很多情况下都是非常有挑战性和有用的，比如改变角色的年龄，演员不在的时候，甚至涉及到对主要演员来说太危险的特技场景 。目前的方法需要大量的逐帧动画和专业人员的后期处理 。
将自动编码器换成深度图像处理[8]
这项新技术可以改变任何图片的纹理，同时使用完全无监督的训练来保持真实感！结果看起来比GANs能达到的还要好，而且更快！甚至可以用来做深度假货！
GPT-3:语言模型是很少学习的[9]
目前，最先进的自然语言处理系统很难扩展到不同的任务 。他们需要微调成千上万个例子的数据集，而人类只需要看几个例子来执行新的语言任务 。这是GPT-3的目标，旨在提高语言模型的任务不可知性 。
学习用于视频修复的联合时空变换[10]
与最新技术相比，这款AI可以填补运动物体背后缺失的像素，以更高的精度和更少的模糊度重构整个视频！
图像GPT——从像素生成预处理[11]
一个好的人工智能，比如Gmail中使用的人工智能，可以生成连贯的文本并完成你的短语 。这是用同样的原理来完成图像处理！都是在无人监督的训练中完成的 。完全不需要标签！
学习使用白盒卡通表示进行卡通化[12]
AI可以卡通你想要的任何图片或视频！
从单个图像对人类进行神经重建[14]
该算法将人体的姿态和形状表示为一个参数网格，可以从单个图像中重建并轻松放置 。给定一个人的图像，他们可以从另一个输入图像中获得具有不同姿势或不同服装的人的合成图像 。
I2L-MeshNet:图像到网格预测网络，用于从单个RGB图像中精确估计3D人体姿态和网格[15]
推荐阅读
- 分享社群营销的6大模式 社群营销模式有哪些？
- 2020年金融危机的原因 2020经济危机
- 2020年党建工作计划 党支部工作计划
- 浅析2020年第一季度网络营销报告 什么是网络营销报告？
- 2020年跨境电商Ebay开店流程及费用 如何在ebay上开店？
- 浅析2020年外卖发展趋势 外卖发展有哪些趋势？
- 2020年安全生产工作总结和2021年工作计划 安全生产工作总结
- 2020年光盘行动手抄报
- 2020年抗击疫情满分作文 抗击疫情的作文
- 欧达摄像机怎么样(欧达摄像机怎么不清晰)