2023 年，哪些 AI/CV/NLP 问题值得博士新生研究？ ​

Telegraph

2023 年，哪些 AI/CV/NLP 问题值得博士新生研究？

CV领域推荐一下图像合成(image composition)方向。图像合成是指把一张图片的前景剪切下来，粘贴到另外一张背景图片上，得到一张合成图。然而，通过剪切复制得到的合成图可能会有诸多问题，影响合成图的真实性。图像合成技术旨在解决合成图中前景和背景之间的外观不一致性、几何不一致性、语义不一致性，提升合成图的质量。图像合成可以拆分成几个子任务，每个子任务解决一个子问题。我们实验室围绕图像合成与视频合成已经开展了一系列研究工作。接下来对图像合成可以做的方向做个简单的梳理，如下图所示。 图像和谐化(image…

神经搜索框架盘点

这篇博文的结构类似于比较矢量数据库的博客，并给你提供为项目选择神经搜索框架的指导

blog | #机器学习

Obsidian的AI助理插件，基于OpenAI API。

该项目使用Typescript来提供类型检查和文档。 该存储库依赖于Typescript定义格式的最新插件API（obsidian.d.ts），其中包含描述其功能的TSDoc注释。

silicon | #插件 #Obsidian

APL 编程语言源代码 | 文章

免费创建个人网站 | 地址

Apple 正在努力基于其自有芯片打造 Mac Pro | 详文

使用Wonder平台将虚幻引擎项目发布并托管到 WebGL | YouTube

8:05

Media is too big

VIEW IN TELEGRAM

Go应用程序即时配置库

适用于需要即时更改配置的 Go 应用程序的配置工具。

goconfig | #go语言

2022年面向开发人员的顶级VSCode扩展。

blog​​​ | #VSCode #扩展

一个完整的Pytorch深度学习项目代码，项目结构是怎样的？| 问答

高效shell手册 | #手册

Quibbler是一个工具集，用于构建高度交互但可重现的， 透明高效的数据分析管道，允许使用标准Python语法通过任何一系列的分析步骤处理数据，而自动保持下游结果与上游原始数据之间的连接来源。

Quibbler促进并接受人类干预作为固有部分 分析管道：输入参数，以及异常和覆盖，可以通过编程方式指定和调整，也可以通过以下方式指定和调整与“实时”图形交互，所有此类干预都是自动的记录在有据可查的人机可读文件中。对此类参数的更改向下游传播，查明哪些特定数据项，或甚至其中的特定元素也会受到影响，从而大大节省了不必要的重新计算。因此，Quibbler促进了与数据的动手交互不仅灵活、有趣和互动，而且可追溯，可重现，计算效率高。

主要特点
互动：创建交互式图形就像 简单就像使用表示参数值的参数调用标准 Matplotlib 图形函数一样；以图形方式呈现的任何数据都是自动实时和交互式的 （不需要繁琐的回调函数编程）。

可追溯性和可重复性：跟踪哪些特定数据项和分析参数会影响焦点下游结果（请参阅依赖关系图）；固有的撤消/重做功能；将参数值保存/加载为 人类可读的记录（作为外部文本文件， 或在Jupyter笔记本内）。

计算效率：参数更改后，Quibbler 会精确定位并仅重新计算特别受影响的数组元素 下游分析步骤（此处）。

以上所有内容都使用完全标准的函数和编程语法 - 只需“iquib”你的输入和代码即可栩栩如生！

Quibbler目前支持所有Python运算符的自然编码语法，切片，getitem，Numpy函数， Matplotlib graphics、Matplotlib widgets 和 ipywidgets。它进一步提供了一种简单的合并方法 任何用户功能或任何其他（非图形）包中的功能。 除了 Matplotlib 之外，对其他图形包的支持将在未来的版本中提供。

quibbler | #工具