AIトレンドスタッフ別
の最高のAIペーパー 2020は、GitHubのライターによって呼び出されました。ライターは、それぞれへのビデオ説明リンク、より詳細な記事へのリンク、およびいくつかのコードを投稿しています。
「AIの分野では、倫理的側面や重要な偏見など、多くの重要な側面が今年強調されました」と、カナダのケベック州のルイフランソワブシャールは、自称「修士」であり、AI研究の科学者であり講演者でもあります。に投稿されたリスト GitHubの。 "人工知能と人間の脳およびAIとのリンクに関する私たちの理解は絶えず進化しており、有望なアプリケーションを示しています」と彼は述べています。
ここにあります ビデオの概要 2020年の最高のAI論文の選択されたハイライトがあります：
Alexey Bochkovskyと彼の共著者の論文「YOLOv4：オブジェクト検出の最適な速度と精度」の主な目標は、高品質と精度の超高速オブジェクト検出器を作成することです。
多くの機能が改善すると言われています 畳み込みニューラルネットワーク（CNN）の精度。 大規模なデータセットの機能のテストが必要です。 一部の機能は、特定のモデルでのみ、特定の問題に対してのみ、または小規模なデータセットに対してのみ動作します。 一方、バッチ正規化や残余接続などの一部の機能は、モデル、タスク、およびデータセットの大部分に適用できます。 結果には以下が含まれます への Tesla V65で最大100フレーム/秒（FPS）の速度。
著者 モザイクおよび自己敵対的トレーニングと呼ばれるデータ拡張の新しい方法を導入しました。
著者は アレクセイボチコフスキー, チエンヤオワン & ホンユアンマークリャオ.
DeepFaceDrawing：スケッチからの顔画像のディープ生成
中国科学院計算技術研究所の研究者は、スケッチから深い顔の描画を生成することについて研究を行いました。描画スキルは必要ありません。
「私たちの重要なアイデアは、もっともらしい顔画像の形状空間を暗黙的にモデル化し、この空間で顔画像を合成して入力スケッチを近似することです」と著者は述べています。 「私たちの方法は、基本的に入力スケッチをソフト制約として使用するため、ラフスケッチや不完全なスケッチからでも高品質の顔画像を生成できます」と彼らは付け加えています。
ここにあります ビデオ 深面描画技術のデモンストレーション。
著者は次のとおりです。 シュウ・ユウ・チェン, ワンチャオス, 林高, シホンシア nd ホンボフー.
GPT-3：言語モデルはほとんどショットの学習者ではありません
現在の最先端の自然言語処理（NLP）システムは、さまざまなタスクに取り組むために一般化するのに苦労しています。 人間は新しい言語タスクを実行するためにいくつかの例を見るだけでよいのに対し、それらは何千もの例のデータセットで微調整する必要があります。 これは、言語モデルのタスクにとらわれない特性を改善するという、GPT-3の背後にある目標でした。
「私たちは、3億のパラメーターを持つ自己回帰言語モデルであるGPT-175をトレーニングし、以前の非スパース言語モデルの10倍にし、数ショットの設定でそのパフォーマンスをテストします」と著者は述べています。 「GPT-3は、翻訳、質問応答、クローズタスクなど、多くのNLPデータセットで強力なパフォーマンスを実現します。また、単語のスクランブル解除など、オンザフライの推論やドメイン適応を必要とするいくつかのタスクで、文、または3桁の算術演算を実行します」と彼らは付け加えます。 「最後に、GPT-3は、人間の評価者が人間によって書かれた記事と区別するのが難しいニュース記事のサンプルを生成できることがわかりました。 この発見と一般的なGPT-3のより広範な社会的影響について議論します。」
言語モデルには「潜在的に有害なアプリケーションがあります」と、著者は「影響」のセクションで述べています。 たとえば、「テキストの生成に依存する社会的に有害な活動は、強力な言語モデルによって強化される可能性があります。 例としては、誤報、スパム、フィッシング、法的および政府のプロセスの乱用、不正なアカデミックエッセイの執筆、ソーシャルエンジニアリングの口実などがあります。 これらのアプリケーションの多くは、十分に高品質のテキストを書くために人間にボトルネックをもたらします」と著者は述べています。
ここにあります ビデオの概要 GPT-3の。
この論文は、画像の漫画化のためのアプローチを提示します。 漫画の絵画の振る舞いを観察し、アーティストに相談することにより、著者は、画像からXNUMXつのホワイトボックス表現（表面表現、構造表現、テクスチャ表現）を個別に識別することを提案します。
Generative Adversarial Network（GAN）フレームワークは、抽出された表現を学習し、画像を漫画化するために使用されます。
あり ビデオの概要 漫画化研究の。
この論文の著者は、ByteDance AILabのXinruiWangとStyle2PaintsResearchのJinzeYuです。
