继续创造，加快成长！这是我参与「日新方案 10 月更文应战」的第3天，点击检查活动概况
日报合辑 | 电子月刊 | 公众号下载资料 | @韩信子
机器人进入核酸采样范畴，24小时作业不停歇 @郑州
加班或有事耽搁，错过了核酸采样时刻？这款24小时连续作业的智能机器人，能够革除这样的尴尬啦！而且机器人结合了力学、视觉、高精密关节模组，能够做到灵敏、安全和标准的采样！
据了解，各个功用模块已经研制完结，下一步会继续优化并赶快投入到作业中。其中，作为中心零件的关节模组，也完成了从依靠进口到自主研制的进步，降低了本钱。（来源：河南播送电视台新闻中心）
东西&结构
『Stable Diffusion in Tensorflow / Keras』Tensorflow / Keras 移植版Stable Diffusion模型
github.com/divamgupta/…
Stable Diffusion 的 Keras / Tensorflow 完成，模型权重是由原始完成移植过来的。这个项目中还提供了许多能够尝试的 colab 代码。
『Dream Textures』Blender 着色编辑器的 Stable Diffusion 扩展
github.com/carson-katr…
Blender shader editor 中内置的 Stable Diffusion 功用，通过一个简单的文本提示来创建纹路、概念艺术、布景等，运用『无缝』选项来创建没有明显接缝的完美贴图的纹路，并快速对现有纹路构建改变。如下所示为 prompt（提示文字）及对应生成的纹路，以及对现有纹路的改变。
『CHARL-E』一键式装置的 M1 Mac 版Stable Diffusion
github.com/cbh123/char…
www.charl-e.com/
CHARL-E 是一个一键式装置的 M1 Mac 版 Stable Diffusion，不需求复杂的设置、依靠联系或联网，下载和装置后根据提示即可生成图片。
『Scikit-decide』强化学习与主动调度东西库
github.com/airbus/scik…
airbus.github.io/scikit-deci…
Scikit-decide 是一个用于强化学习、主动方案和调度的AI结构。
『streamlit-stt-app』实时语音转文字东西库
github.com/whitphx/str…
share.streamlit.io/whitphx/str…
streamlit-stt-app 是一个用 Streamlit 和 streamlit-webrtc 构建的实时语音转文字运用，它底层运用的语音转文字引擎是 mozilla/DeepSpeech。
博文&共享
『python cp cheatsheet』Python3面试预备与速查表
github.com/peterlamar/…
在大约十年没有运用 Python 之后，作者在自学 Python3 进行各种面试和有趣的 leetcoding 时构建了这个速查表，尝试获得最小的 Python 高频子集。清单包含『Language Mechanics』『Collections』『Algorithms』三个部分：
| Language Mechanics | Collections | Algorithms |
|---|---|---|
| Literals / Loops / Strings / Slicing / Tuples / Sort / Hash / Set / List / Dict / Binary Tree / heapq / lambda / zip / Random / Constants / Ternary Condition / Bitwise operators / For Else / Modulo / any / all / bisect / math / iter / map / filter / reduce / itertools / regular expression / Types / Grids | Deque / Counter / Default Dict | General Tips / Binary Search / Topological Sort / Sliding Window / Tree Tricks / Binary Search Tree / Anagrams / Dynamic Programming / Cyclic Sort / Quick Sort / Merge Sort / Merge K Sorted Arrays / Linked List / Convert Base / Parenthesis / Max Profit Stock / Shift Array Right / Continuous Subarrays with Sum k / Events / Merge Meetings / Trie / Kadane’s Algorithm – Max subarray sum / Union Find/DSU / Fast Power / Fibonacci Golden / Basic Calculator / Reverse Polish / Resevior Sampling / Candy Crush |
数据&资源
『Awesome Visual Diffusion Models』视觉扩散模型相关资源大列表
github.com/Xiefan-Guo/…
清单包含以下内容：
- Landmark Papers
- PapersConference Papers
- Journal Papers
- Preprints
- Tutorials
- Blogs
研讨&论文
公众号后台回复关键字 日报，免费获取整理好的论文合辑。
科研进展
- 2022.09.15 『数据增强』 A Light Recipe to Train Robust Vision Transformers
- 2022.09.18 『强化学习』 Honor of Kings Arena: an Environment for Generalization in Competitive Reinforcement Learning
- 2022.09.16 『姿态预估』 PPT: token-Pruned Pose Transformer for monocular and multi-view human pose estimation
⚡ 论文：A Light Recipe to Train Robust Vision Transformers
论文时刻：15 Sep 2022
范畴使命：Adversarial Robustness, Data Augmentation, 对立健壮性，数据增强
论文地址：arxiv.org/abs/2209.07…
代码完成：github.com/dedeswim/vi…
论文作者：Edoardo Debenedetti, Vikash Sehwag, Prateek Mittal
论文简介：Additionally, investigating the reasons for the robustness of our models, we show that it is easier to generate strong attacks during training when using our recipe and that this leads to better robustness at test time./此外，在查询咱们的模型的鲁棒性的原因时，咱们标明，在运用咱们的办法时，在练习期间更简单发生强大的进犯，使得模型在测验时具有更好的鲁棒性。
论文摘要：在本文中，咱们问视觉Transformers（ViTs）是否能够作为一个底层架构来提高机器学习模型对躲避进犯的对立性鲁棒性。尽管早期的作业集中于改善卷积神经网络，但咱们标明，ViTs也非常适用于对立性练习，以完成有竞赛力的功能。咱们运用一个定制的对立性练习配方来完成这一方针，该办法是在ImageNet数据集的一个子集上通过严厉的消融研讨发现的。ViTs的典型练习配方主张进行强大的数据增强，部分原因是为了弥补注意力模块的视觉概括偏置的缺乏，与卷积比较。咱们标明，在用于对立性练习时，这个配方完成了次优的功能。比较之下，咱们发现，省掉一切繁重的数据增强，并添加一些额定的技巧包（-warmup和更大的权重衰减），能够明显提高鲁棒的ViTs的功能。咱们标明，咱们的办法能够推行到不同类别的ViT架构和完好ImageNet-1k上的大规模模型。此外，在研讨咱们的模型的鲁棒性的原因时，咱们标明在运用咱们的配方时，在练习期间更简单发生强大的进犯，这导致在测验时具有更好的鲁棒性。最终，咱们进一步研讨了对立性练习的一个结果，提出了一种量化对立性扰动的语义性质的办法，并强调了它与模型鲁棒性的相关性。总的来说，咱们主张社区应该避免将ViTs中的典型练习配方转化为鲁棒性练习，并在对立性练习的布景下从头思考常见的练习挑选。
⚡ 论文：Honor of Kings Arena: an Environment for Generalization in Competitive Reinforcement Learning
论文时刻：18 Sep 2022
范畴使命：reinforcement-learning，强化学习
论文地址：arxiv.org/abs/2209.08…
代码完成：github.com/tencent-ail…
论文作者：Hua Wei, Jingxiao Chen, Xiyang Ji, Hongyang Qin, Minwen Deng, Siqin Li, Liang Wang, Weinan Zhang, Yong Yu, Lin Liu, Lanxiao Huang, Deheng Ye, Qiang Fu, Wei Yang
论文简介：Compared to other environments studied in most previous work, ours presents new generalization challenges for competitive reinforcement learning./与以往大多数作业中研讨的其他环境比较，咱们的环境为竞赛性强化学习提出了新的泛化应战。
论文摘要：本文介绍了Honor of Kings Arena，一个根据Honor of Kings的强化学习（RL）环境，Honor of Kings是现在世界上最流行的游戏之一。与以往大多数作业中研讨的其他环境比较，咱们的环境为竞赛性强化学习提出了新的泛化应战。它是一个多代理问题，一个代理与它的对手竞赛；它需求泛化才能，因为它有不同的方针需求控制和不同的对手需求竞赛。咱们描述了《王者荣耀》范畴的观察、行动和奖励标准，并提供了一个开源的根据Python的接口，用于与游戏引擎进行通讯。咱们在《王者荣耀》竞技场中提供了20个方针英豪的各种使命，并介绍了在可行的核算资源下根据RL的办法的开始基线结果。最终，咱们展示了《王者荣耀》竞技场所带来的泛化应战以及对应战的或许补救措施。一切的软件，包含环境类，都可在 github.com/tencent-ail… 获取，文档可在 aiarena.tencent.com/hok/doc/ 检查。
⚡ 论文：PPT: token-Pruned Pose Transformer for monocular and multi-view human pose estimation
论文时刻：16 Sep 2022
范畴使命：Pose Estimation，姿态预估
论文地址：arxiv.org/abs/2209.08…
代码完成：github.com/howiema/ppt
论文作者：Haoyu Ma, Zhe Wang, Yifei Chen, Deying Kong, Liangjian Chen, Xingwei Liu, Xiangyi Yan, Hao Tang, Xiaohui Xie
论文简介：In this paper, we propose the token-Pruned Pose Transformer (PPT) for 2D human pose estimation, which can locate a rough human mask and performs self-attention only within selected tokens./在本文中，咱们提出了用于二维人类姿态估量的符号-跑动姿态Transformer（PPT），它能够定位一个粗糙的人类面具，而且只在选定的符号内执行自我重视。
论文摘要：最近，视觉变换器及其变体在单目和多目人类姿态估量中都发挥了越来越重要的作用。考虑到图画斑块作为符号，变换器能够在整个图画或来自其他视图的图画之间树立全局依靠模型。但是，全局重视在核算上是贵重的。因此，很难将这些根据变换器的办法扩展到高分辨率的特征和许多视图。在本文中，咱们提出了用于二维人体姿态估量的符号-奔跑姿态Transformer（PPT），它能够定位一个粗略的人体面具，而且只在选定的符号内执行自我重视。此外，咱们将咱们的PPT扩展到多视角人体姿态估量。在PPT的基础上，咱们提出了一个新的跨视角交融战略，称为人类区域交融，它将一切人类的远景像素视为相应的候选者。在COCO和MPII上的试验结果标明，咱们的PPT能够与曾经的姿态变换器办法的精度相媲美，同时削减核算量。此外，在Human 3.6M和Ski-Pose上的试验标明，咱们的多视图PPT能够有效地交融来自多个视图的线索，并取得最先进的新结果。
咱们是 ShowMeAI，致力于传达AI优质内容，共享职业解决方案，用常识加快每一次技能成长！
◉ 点击 日报合辑，在公众号内订阅话题 #ShowMeAI资讯日报，可接收每日最新推送。
◉ 点击 电子月刊，快速浏览月度合辑。
