| # | 2023 年第 37 週 | 2023年10月29日 |
|---|---|---|
| 1 | コグヴルム | Vision Expert モジュールを活用して言語エンコーディングとビジュアル エンコーディングを深く統合し、10 の信頼できるクロスモーダル ベンチマークで SOTA パフォーマンスを達成する強力なオープンソース ビジュアル言語モデル。現在は英語のみサポートされていますが、将来的には中国語と英語のバイリンガル版もサポートされる予定です。 CogVLM は、幻覚がほとんどなく、画像の詳細を正確に描写できます。 |
| 2 | コードシェル | 5,000 億のトークンと 8,192 のコンテキスト ウィンドウ長でトレーニングされた、70 億のパラメーターを備えた大規模な多言語コード モデル。 CodeShell のオリジナルのトレーニング データは、独自にクロールされた GitHub データ、Stack および StarCoder データ セット、および少量の高品質の中国語と英語のデータに基づいています。権威あるコード評価ベンチマーク (HumanEval および MBPP) では、CodeShell は同じスケールで最高のパフォーマンスを達成します。 |
| 3 | ワンダー3D | シングルビュー画像から高忠実度のテクスチャメッシュを効率的に生成する新しい方法。分別蒸留サンプリング (SDS) に基づく最近の方法では、2D 拡散事前分布から 3D ジオメトリを復元できる可能性が示されていますが、形状ごとの最適化に時間がかかり、ジオメトリが一貫していないことがよくあります。対照的に、高速ネットワーク推論を通じて 3D 情報を直接生成する作品もありますが、結果の品質は低く、幾何学的詳細が欠けていることがよくあります。画像から 3D へのタスクの品質、一貫性、効率を包括的に向上させるために、マルチビュー法線マップと対応するカラー画像を生成するクロスドメイン拡散モデルを提案します。一貫性を確保するために、マルチビュー クロスドメイン アテンション メカニズムを採用し、ビューやモード間での情報交換を促進します。最後に、マルチビュー 2D 表現から高品質のサーフェスを抽出できる、ジオメトリ対応の法線融合アルゴリズムを紹介します。私たちの広範な評価により、私たちのアプローチが以前の研究と比較して高品質の再構成結果、堅牢な一般化、およびかなり良好な効率を達成していることが示されています。 |
| 4 | wechat上のchatgpt | 大規模なモデルを使用して、GPT3.5/GPT4.0/Claude/Wenxinyiyan/iFlytek Spark/LinkAI に基づいた WeChat チャット ロボットを構築し、個人 WeChat、公式アカウント、企業 WeChat の展開をサポートします。テキスト、音声、画像を処理できます。 、およびアクセス オペレーティング システムとインターネットは、ナレッジ ベースに基づいた専用ロボットのカスタマイズをサポートします。 |
| 5 | 流光に照らされた | より効率的かつ柔軟な方法でデータを視覚化し、結果を分析することに特化した Python ベースの Web アプリケーション フレームワーク。 Streamlit は、データ サイエンティストや学者が機械学習 (ML) 視覚化ダッシュボードを短期間で開発できるようにするオープン ソース ライブラリです。わずか数行のコードで、強力なデータ アプリケーションを構築してデプロイできます。 Streamlit を選ぶ理由?現在、アプリケーションの需要は高く、開発者は、すぐに使い始められるダッシュボードの構築と展開に役立つ新しいライブラリとフレームワークを常に開発しています。 Streamlit は、ダッシュボードの開発時間を数日から数時間に短縮するライブラリです。 Streamlit を選択する理由は次のとおりです。 1. Streamlit は無料のオープンソース ライブラリです。 2. 他の Python パッケージのインストールと同様、Streamlit のインストールは非常に簡単です。 3. Streamlit は習得が簡単で、Web 開発の経験は必要ありません。データ アプリケーションを構築するには、Python の基本を理解するだけで十分です。 4. Streamlit は、Tensorflow や Pytorch、Scikit-learn、Seaborn、Altair、Plotly などの視覚化ライブラリを含む、ほとんどの機械学習フレームワークと互換性があります。 Streamlit を使用すると、開発者は強力でインタラクティブなアプリケーションを迅速かつ簡単に構築して、データとの対話や通信をより適切に行うことができます。 Streamlit の設計目標の 1 つは、データ サイエンティスト、アナリスト、その他の非フロントエンド開発者が、あまり料金を支払うことなくインタラクティブなアプリケーションを簡単に作成できるようにすることであるため、Streamlit を使用してアプリケーションを構築する場合、フロントエンド開発の深い知識は必要ありません。複雑なフロントエンドテクノロジーに大きな注目を集めています。 |
| 6 | 秘密の知識の本 | このプロジェクトは、テクノロジー愛好家にインスピレーションと知識を提供するために設計された、興味深く実用的なテクノロジー リソースをまとめたものです。このユニークなリポジトリには、Web 開発、DevOps、ネットワーキング、システム管理、セキュリティに関する多くのリソース、ツール、ヒントがまとめられています。 |
| 7 | 素晴らしい AI エージェント | ai-agents が選択したリソース コレクション |
| 8 | 素晴らしい AGI エージェント | AGI エージェントが選択したリソース コレクション |
カテゴリ: Python オープンソース プロジェクトの週間ランキング
注: 現在の記事は随時更新されます。この記事についてより良い提案がある場合、またはお勧めできる新しい情報がある場合は、[ 優れた Web サイトの共有へようこそ ] をクリックしてください。