AI 学会了「揣度人心」，这本来是世界上最难的事情之一。

说干就干，CV 里面的模型那么多，拿过来学习分子呗？打住，还有一个重要的问题——数据！特别是带标签的数据！

英伟达进入 AI 生成模型领域的研究，直接比别人多一个次元：一句描述生成 3D 模型。

3D 衣物建模是计算机领域的一个关键且具有挑战性的任务，具体是指如何在计算机中构建一件 3D 的虚拟衣物。

与其复杂化机械手的控制策略，不如换成简单灵活的机械触手。

AI 可以完全按照甲方意愿修图？GPT-3、Stable Diffusion 一起助攻，让模型秒变 PS 高手，改图随心所欲。

华为泊松实验室联合北京邮电大学、华为昇思 MindSpore 团队提出了 RetroMAE，在零样本学习与监督学习场景下均展现了极强的稠密检索性能。

如何应用课程学习策略指导机器学习模型的训练？清华大学朱文武团队发布全球首个课程学习开源库 CurML，提供课程学习算法的支持平台。

来自谷歌和波士顿大学的研究者提出了一种「个性化」的文本到图像扩散模型 DreamBooth，能够适应用户特定的图像生成需求。

在给定一组大型预训练模型的情况下，如何利用来自不同模型的专家知识来解决零样本多模态任务，并能同时解决图像生成、视频问答、小学数学和机器人操作等任务？

「某种意义上说，软件正在努力让硬件以一种它不应该而且肯定没有优化过的方式工作。」

该研究希望未来能够移植到 AMD 的所有 GPU 上，并且最终也可以被移植到 AMD CPU 上，该项目已开源。

来自谷歌的研究团队提出了一种 3D 视觉体验生成新方法 Infinite Nature，仅用一张自然景观图片就能生成该场景的高质量 3D 「航拍」视频。

三维人脸编辑方法 NeRFFaceEditing 提供了新的解决方案，即使不会三维建模，也能自由编辑高真实感的立体人脸，建模元宇宙中的个性化数字肖像！

这款鞋子让用户有种健步如飞的感觉。

离线强化学习算法 (Offline RL) 是当前强化学习最火的子方向之一。离线强化学习不与环境交互，旨在从以往记录的数据中学习目标策略。

本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务，并对在这些任务上取得过 SOTA 的经典模型逐一详解。

本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务，并对在这些任务上取得过 SOTA 的经典模型逐一详解。

提出了一种基于文本驱动的三维模型风格化方法，该方法可对输入的三维模型根据文本进行更具真实性和鲁棒性的风格化。

想要了解自己的 PyTorch 项目在哪些地方分配 GPU 内存以及为什么用完吗？不妨试试这个可视化工具。