人工知能に栄光の王を演じさせるモデルのトレーニングなど、さまざまな無料およびオープンソースの人工知能プロジェクト。
全文アウトライン
PULSE - このオープン ソース プロジェクトは、画像にピクセルを追加することでデモザイクまたは高解像度を実現できます。
Depix - モザイクされたテキストをデコードします。
TecoGAN - ビデオのデモザイキングまたは超解像度。
SkinDeep - ワンクリックで写真やビデオからタトゥーを除去するブラックテクノロジー。
StyleCLIP - AI 自動 P マップ、ほうき頭の Musk を見たことがありますか?
Polyglot-png - 明らかに、ダウンロードは画像です。サフィックス名を変更するだけで、画像が曲、つまりコードの文字列になります。
ResnetGPT - 人工知能にキング オブ グローリーをプレイさせるモデルをトレーニングする方法を教えます。
Intelligent-uavpath-planning - このプロジェクトは、インテリジェントな UAV 経路計画シミュレーション システムです。
EssayKiller_V2 - ある人が 3 か月をかけて、エッセイを書くことができる人工知能を開発しました。
style2paints - 環境のインストールや設定は不要で、ダウンロードしてダブルクリックするだけで線画に色を塗ることができます。
PULSE
Github（7k）：https://github.com/adamian98/pulse
PULSE - このオープンソース プロジェクトは、画像にピクセルを追加することでデモザイクまたは高解像度化できます。
モザイク: 人類文明の進歩の障害、オタクたちの不倶戴天の敵、そして年老いたドライバーの悪夢。モザイクの誕生以来、人間とモザイクとの闘いは止まることがありません。
プログラマーにとって、女の子からの最も多くの質問は、システムのインストール方法ですか? となると、男子の質問で一番多いのはモザイクの消し方ではないでしょうか。
モザイクを外せますか？と聞かれたら？あなたは彼に肯定的な答えを与えることができます：いいえ、モザイクは元に戻せません。
しかし、しかし！決めてもいいよ、私はそのことをあまりにも見てきた、コードがコード化されている場所は何ですか、それが何であるかわかりませんか？しかし、普通の人にとって、私がここで話しているのは普通の人のことです。無数の写真を読んで、厳密に暗号化された美しい女性の写真を与えられたとしても、この美しい女性がどのようなものであるかを理解するのは困難です。理由は 2 つあります。
-
十分な美しい写真を見たことがありません
-
美女のモザイクと美女の元の画像との間にリンクが確立されていませんでした。
友人の中には、私は食べたり飲んだりせず、ただ美人の写真とそれに対応するモザイクを見ているだけだ、と言った人もいます。私が十分に見て、美しい女性のコード化された写真を渡したとき、この美しい女性がどのようなものであるかがすぐに頭に浮かびますか?
すごい、一見すると本当に何かがある。「コードを念頭に置いていないのが HD である」ということでしょうか。
図に示すように:
Depix
Github (23.1k): https://github.com/beurtschipper/Depix
Depix - モザイクテキストをデコードする
図に示すように:
TecoGAN
Github（5.1k）：https://github.com/thunil/TecoGAN
TecoGAN デモザイクまたは超解像度ビデオ
図に示すように:
SkinDeep
Github（38.3k）：https://github.com/vijishmadhavan/SkinDeep
SkinDeep - ワンクリックで写真やビデオからタトゥーを除去するブラックテクノロジー
インドのアルゴリズム研究者ヴィジシュ・マダヴァン氏は、スターのタトゥーを自動的に除去できる機械学習ツール「SkinDeep」をオープンソース化した。
私はこのツールを使用して、タトゥーが濃い人の写真を何枚か処理しましたが、結果は悪くありませんでした。下の写真は、アレン・アイバーソン（アメリカのバスケットボール選手）のタトゥー除去前と除去後を示しています。
図に示すように:
StyleCLIP
Github（3.2k）：https://github.com/orpatashnik/StyleCLIP
StyleCLIP - AI 自動 P マップ、ほうき頭の Musk を見たことがありますか?
先ほどのプロジェクトではAIの力を見せつけ、その効果はPSに匹敵するものでしたが、次の自動Pマップのプロジェクトは本当にすごいです。
あなたが元の絵に向かって「ハンサムな前髪をポンと助けてください！」と言うとき、そのようなシーンについて考えたことはありますか？ハンサムな前髪のある写真が自動生成されます。
図に示すように:
Polyglot-png
Github（3.2k）：https://github.com/DavidBuchanan314/tweetable-polyglot-png
Polyglot-png - 明らかに、ダウンロードは画像です。サフィックス名を変更するだけで、画像は曲、つまりコードの文字列になります。
外国人ハッカーのデービッド・ブキャナン氏はツイッターの抜け穴を利用し、3MBを超えないことを条件に写真を偽装して「暗号化された」ファイルを送信した。
彼は、この隠しファイルの GitHub ソース コードを画像に圧縮することに成功しました。
あとは、彼の Twitter にアクセスしてこの画像をダウンロードし、ファイル拡張子を .png から .zip に変更するだけで、Github コードに解凍できます。
画像付きの圧縮パッケージを隠す原理は複雑ではなく、png 画像ファイルの形式は次のとおりです。Zlib の後に、IDAT ブロック内に追加データのスライスがあります。隠しデータはここに置かれます。
圧縮パッケージのイメージアドレス:
https://i.imgur.com/kNhGrN3.png
デビッド・ブキャナンのツイッター:
https://twitter.com/David3141593/status/1371974874856587268
図に示すように:
ResnetGPT
Github（2.2k）：https://github.com/FengQuanLi/ResnetGPT
ResnetGPT - 人工知能にキング オブ グローリーをプレイさせるモデルをトレーニングする方法を教えます。
このオープンソース プロジェクトの実装原則は何ですか? 以下の図は、このモデルのコア コードです。これは難しいことではありません。段階的に分解して、これらのテクノロジをわかりやすい言葉で説明できるように最善を尽くします。
コンピュータにゲームをさせるには次のステップに分けられます. もちろん, この方法は実装が比較的簡単であり, 「強化学習」を使用しません. 囲碁界を壊滅させたAlphaGoアルゴリズムは強化学習に基づいています.
-
現在のゲームインターフェイスを取得します。主人公は今どうなっているのか、周りに敵の英雄や兵士はいるのかなど。
-
現在のゲームインターフェイスの状態に基づいて、前進するか、攻撃するか、スキルを解放するかなどの操作指示を生成します。
-
生成された携帯電話を制御するための操作命令に従って、主人公は対応する動作を行う。
民間バージョンの人工知能モデルをトレーニングする場合の一般的なプロセスは次のようになります。その中には、現在のゲームインターフェイスを取得し、指示に従って携帯電話を制御するための成熟した技術もあります。
たとえば、このプロジェクトでは、scrcpy を使用して Android スマートフォンの投影画面を取得し、この Android 投影アーティファクトにより、ゲーム画面をコンピュータのデスクトップに投影できます。
ゲーム画面では、現時点での戦闘の状況を把握することができます。ゲーム画面は絵になっており、絵の内容は人間には理解できますが、コンピュータには理解できません。
これには、画像内の特徴を自分で抽出する必要があり、ここでは深層学習アルゴリズムを使用します。このプロジェクトでは、画像の特徴を抽出する畳み込みニューラル ネットワーク (CNN) に基づいて、ResNet 101 分類ネットワークが使用されています。
この畳み込みニューラル ネットワークを学習させることで、ネットワークはゲーム画面の特徴を抽出するエネルギーを獲得し、それをもとにアルゴリズムが次の操作命令を生成することができます。
図に示すように:
Intelligent-uavpath-planning
Gitee：https://gitee.com/wwy2018/intelligent-uavpath-planning-simulation-system-S
Intelligent-uavpath-planning - このプロジェクトは、インテリジェントな UAV 経路計画シミュレーション システムです。
このプロジェクトは、インテリジェントな UAV 経路計画シミュレーション システムであり、微細な動作制御、強力なプラットフォーム統合、全方向モデルの確立、およびアプリケーションの自動化という利点があります。
これは、A と B の 2 か国がエリア C で UAV 戦争を開始しているという事実に基づいています。システムの中核機能は、シミュレーション プラットフォームを通じて UAV のルートを計画し、出力を検証することです。実機のUAVにデータをインポートすることで、戦場の任意の位置に所定のルートに従って正確に到着し、多人数・多装備の編隊共同作戦をサポートします。
図に示すように:
EssayKiller_V2
Github(4.9k)：https://github.com/EssayKillerBrain/EssayKiller_V2
EssayKiller_V2 - ある人が 3 か月かけてエッセイを書ける人工知能を開発しました
一般的に、大学入試の構成はバッチ学習やモデル学習によって満足のいくスコアを達成できます。実際には、学生をライティングマシンとして訓練し、学生に大量のサンプルエッセイを入力し、執筆モードを提供し、その後、長時間学習することです。待て、これは人工知能の訓練プロセスと同じではないか？
では、人工知能システムに同じデータが与えられた場合、エッセイの書き方を教えることができるでしょうか?
答えはもちろんです。ステーション B の UP マスター - チューリングの猫、行動は行動よりも悪いという概念にこだわり、一人の人間が 3 か月、500 時間、10,000 行のコード、200000000 個のデータ、1700000000 個のパラメーターを使用して、次のような人工知能を開発しました。エッセイを書く - エッセイキラー。
図に示すように:
style2paints
Github：https://github.com/lllyasviel/style2paints
style2paints - 環境のインストールや設定は不要で、ダウンロードしてダブルクリックするだけで線画に色を塗ることができます。
この AI プロジェクトは二次元の福音であり、AI によって推進されますが、このプロジェクトでは環境のインストールや構成は必要ありません。直接ダウンロードして、ダブルクリックで線画に色を塗っていきます。
図に示すように:
