Interactive web browser demo of Lenia – Biology of Artificial Life

​"Современные нейронаучные теории обычно рассматривают сны как явление, а те немногие предложения, касающиеся их биологической функции, противоречат самой феноменологии снов. Теперь, недавнее появление глубоких нейронных сетей (DNN) наконец предоставило новую концептуальную основу для понимания эволюционной функции снов. Примечательно, что все DNN сталкиваются с проблемой переоснащения в процессе обучения, когда производительность одного набора данных увеличивается, а производительность сети не удается обобщить (часто измеряется расхождением производительности при обучении по сравнению с наборами данных тестирования). Эта вездесущая проблема в DNN часто решается экспериментаторами с помощью «шумовых инъекций»..."

3D-камера с использованием PIFuHD

Translate the Facial Regions You Like Using Region-Wise
Normalization

"...Генетические алгоритмы были впервые разработаны Холландом [11] как надежные методы поиска, в которых популяции контрольных точек развиваются путем случайного изменения и отбора. Они стали широко использоваться в ряде приложений для поиска оптимума в очень больших пространствах поиска [23] [7] [6] .

Генетические алгоритмы отличаются от примеров, представленных в этой статье, тем, что они обычно используют явную аналитическую функцию для измерения пригодности фенотипов. Поскольку трудно автоматически измерить эстетический визуальный успех моделируемых объектов или изображений, здесь пригодность обеспечивается пользователем-человеком на основе визуального восприятия. Некоторые комбинации автоматического выбора и интерактивного выбора также используются.

Размеры популяции, используемые для генетических алгоритмов, обычно достаточно велики (от 100 до 1000 и более), что позволяет осуществлять поиск во многих контрольных точках и избегать только локальных оптимумов..."

SipMask: Spatial Information Preservation for Fast Image and Video Instance Segmentation

Rewriting a Deep Generative Model

"ML имитирует искусство
В этом уроке мы рассмотрим GAN и узнаем, как использовать DCGAN для создания произведений романтического периода с использованием TensorFlow и Keras"

На этой неделе в AI - выпуск № 28

Статистика нашего канала)

​Learned Motion Matching.
" We use Machine Learning to vastly reduce the memory usage of Motion Matching - allowing it to scale to huge databases of animation."

Controlling Style and Semantics in Weakly-Supervised Image Generation

Freezing generator for pseudo image translation

Encoding in Style: a StyleGAN Encoder for Image-to-Image Translation

Avatarify: AI Face Animator

Learning to Denoise Historical Music

NeRF in the Wild: Neural Radiance Fields for Unconstrained Photo Collections

COALESCE: Component Assembly by Learning to Synthesize Connections