2021年伊始，机器学习社区在过去的一年里发生了很多事情。不浪费时间，这里是最流行和最热门的开源研究项目、演示和原型的导览。从照片编辑到自然语言处理，再到“无代码”训练模型，我希望它们能激发您构建令人难以置信的AI驱动产品的灵感。1.BackgroundMattingv2BackgroundMattingv2从流行的“TheWorldIsYourGreenScreen”开源项目中汲取灵感，展示了如何实时去除或更改背景。它具有更好的性能（4K时为30fps，FHD时为60fps），并可与流行的视频会议应用程序Zoom配合使用。此技术使用捕获的背景附加帧并使用它来恢复alpha遮罩和前景层。对于高分辨率图像的实时处理，使用了两个神经网络。如果您想在保留背景的同时从视频中删除某人，此项目肯定会有所帮助。2.SkyAR这是另一个能够实现视频天空替换和协调的优秀项目，它可以在视频中自动生成逼真的戏剧性天空背景，风格可控。该项目基于Pytorch，部分改编自pytorch-CycleGAN-and-pix2pix项目的代码，并利用天空掩蔽、光流运动估计和图像融合为视频提供艺术背景。上面的开源在电影和视频游戏中具有不可思议的潜力，比如添加假雨/晴天/等等。3.AnimeGANv2卡通化照片一直是一个有趣的机器学习项目。是不是AnimeGANv2这个项目是AnimeGAN的改进版。具体来说，它结合了神经风格迁移和生成对抗网络(GAN)来完成任务，同时确保防止高频伪影。4.txtaiAI的精密搜索引擎和QA聊天机器人始终是时下需要的。这正是这个项目的目的。通过使用句子变形器、变形器和??fais，txtai构建了一个人工智能驱动的引擎，用于上下文搜索和抽取式问答。本质上，txtai支持构建文本索引以执行相似性搜索并创建基于提取问题的系统。5.让旧照片起死回生接下来我们有微软最新的PhotoRecovery项目，可以自动修复损坏的照片。具体来说，它通过利用PyTorch中的深度学习实现进行划痕检测、面部增强和其他技术，从而能够恢复遭受复杂退化的旧照片。根据他们的研究论文：“我们训练了两个变量自动编码器(VAE)，将旧照片和干净照片转换为两个潜在空间。并使用合成配对数据来学习这两个潜在空间之间的关系。转换。由于领域差距在紧凑的潜在空间，这种转换很好地推广到真实照片。此外，为了解决旧照片中多重退化的混合，我们设计了一个全局分支，该分支具有局部非局部块，用于结构化缺陷，如划痕和灰尘斑点，以及针对噪声和歧义等非结构化缺陷的本地分支。该模型绝对优于传统方法，如所示：6.AvatarDeepfake项目席卷了机器学习和AI社区。该项目展示了一个经典示例让您在实时视频会议应用程序中创建逼真的头像。基本上，它使用一阶模型来提取运动，然后提取通过光流应用于目标头像图像。通过这种方式，您可以在虚拟相机上生成头像，甚至可以为经典画作制作动画。从ElonMusk到蒙娜丽莎，你可以假装成任何人来娱乐！7.Pulse这是一个AI模型，展示了如何从低分辨率人脸图像生成逼真的人脸图像。PULSE代表通过生成模型的潜在空间探索进行自监督照片上采样，它基于创建逼真的SR图像（也可以正确缩小），为超分辨率问题提供替代表示。8.pixel2style2pixel基于研究论文《StyleEncoding:AStyleGANEncoderforImage-to-ImageTranslation》，使用Pixel2Pixel框架，旨在使用相同的架构依次解决各种image-to-image任务，避免任何可能的地方偏见。基于一种新颖的编码器网络，可以训练该网络将面部图像与前额姿势对齐，执行条件图像合成并创建超分辨率图像。您可以做很多事情，从用漫画家的照片制作几乎真实的人物，到将草图或面部分割转换成逼真的图像。9.Eagle这可能是由于预算问题或缺乏清晰的愿景，但寻找具有相关机器学习专业知识的人对初创公司来说始终是一个挑战。更重要的是，因为这个领域总是在不断发展。因此，最近无代码机器学习平台激增，谷歌和苹果等公司发布了自己的工具集来快速训练模型。这个令人愉快的开源机器学习项目正是这样做的，它允许您在不编写代码的情况下训练/拟合、测试和使用模型。虽然GUI拖放版本仍在开发中，但可以使用此项目的命令行工具实现很多功能：//trainorfitamodeligelfit-dp'path_to_your_csv_dataset.csv'-yml'path_to_your_yaml_file.yaml'//evaluateigelevaluate-dp'path_to_your_evaluation_dataset.csv'//predictigelpredict-dp'path_to_your_test_dataset.csv'还有一个结合所有阶段的命令igel-experiment：训练、评估和预测。有关详细信息，请参阅此处的文档。10.PoseAnimator最后但同样重要的是，我们有一个网络动画工具。基本上，该项目使用PoseNet和FaceMesh的里程碑式成果，通过利用一些TensorFlow.js模型使SVG矢量图像栩栩如生。以下是如何为自己的设计或骨架图像制作动画：结论这是2020年发布的最受欢迎和最受欢迎的机器学习项目的摘要。感谢阅读。
