👀日報合輯 | 📆電子月刊 | 🔔公眾號下載資料 | 🍩@韓信子

工具&框架

🚧 『Deforum Stable Diffusion Local Version』Deforum Stable Diffusion本地版，可生成動畫

https://github.com/HelixNGC7293/DeforumStableDiffusionLocal

https://space.bilibili.com/176003

文本提示作畫工具。本代碼庫實現是本地版本的Deforum Stable Diffusion V0.4，支持txt設置文件輸入和動畫功能!

🚧 『Robust Video Matting (RVM)』強大穩定的視頻摳圖

https://github.com/PeterL1n/RobustVideoMatting

https://peterl1n.github.io/RobustVideoMatting/#/

由字節跳動開發的強大穩定的視頻摳圖工具，本代碼庫也是論文《Robust High-Resolution Video Matting with Temporal Guidance》的官方代碼資料庫。RVM是專門為穩健的人類視頻消融而設計的。與現有的將幀作為獨立圖像處理的神經模型不同，RVM使用一個循環神經網絡來處理具有時間記憶的視頻。RVM可以在沒有額外輸入的情況下對任何視頻進行實時消解。它在Nvidia GTX 1080 Ti GPU上實現了4K 76FPS和HD 104FPS。

🚧 『LCE』高性能、可擴展且用戶友好的機器學習方法，適用于分類和回歸的一般任務

https://github.com/LocalCascadeEnsemble/LCE

https://lce.readthedocs.io/en/latest/

Local Cascade Ensemble (LCE)是一種高性能、可擴展和用戶友好的機器學習方法，用于分類和回歸的一般任務。它具備以下特性：

• 通過結合隨機森林和XGBoost的優勢并采用互補的多樣化方法，提高了預測性能
• 支持并行處理以確保可擴展性
• 通過設計處理缺失值數據
• 采用Scikit-Learn的API，便于使用
• 支持與Scikit-Learn管道和模型選擇工具互動

🚧 『AutoClean』自動化數據預處理/數據清洗工具包

https://github.com/elisemercury/AutoClean

AutoClean 是一個 Python 工具庫，它以自動化的方式對 Python 中的數據進行預處理和清理，幫助您節省時間。AutoClean支持：

• 處理重復的數據
• 各種缺失值的估算填充方法
• 處理異常值
• 類別型數據的編碼
• 提取時間型數據值

🚧 『HIA (Histopathology Image Analysis)』組織病理學圖像端到端AI分析工具

https://github.com/KatherLab/HIA

該資源庫包含了 Python 實現的用于組織病理學圖像端到端人工智能的一般工作流程。HAI 解決弱監督問題（常見的標簽是癌癥的分子亞型、二值化的臨床結果或治療反應），使用 Python 和 PyTorch 實現，具有高度的可擴展性，并在多個臨床相關問題中得到了廣泛的驗證。

博文&分享

👍 『RLcode』白話強化學習

https://github.com/louisnino/RLcode

https://zhuanlan.zhihu.com/p/111869532

RLcode 項目是一個強化學習教程，作者以盡量易懂的方式講解了強化學習原理知識和實現代碼。

第一部分：概念

• 馬爾科夫鏈
• Q值和V值
• 用蒙地卡羅方法（Monte-Carlo）估算V值
• 用時序差分TD估算狀態V值

第二部分：核心算法（附代碼）

• Qlearning算法
• 深度神經網絡
• DQN算法
• Double DQN
• 策略梯度（Policy Gradient）
• Actor-Critic
• argparse模塊
• PPO算法
• DDPG算法
• TD3算法

👍 『How To Start Open Source』GitHub 開源項目維護協作指南

https://github.com/eryajf/HowToStartOpenSource

https://eryajf.github.io/HowToStartOpenSource/

這是一份 GitHub 新手教程，從零開始講解如何創建與維護一個GitHub開源項目，幫你穩穩渡過新手期。完整教程包含三個部分『基礎內容 』『GitHub-Actions』『GitHub-Tips』，具體文章目錄如下，看看是否有你需要的內容：

基礎內容

• 基礎配置
• 個人維護流程
• 協同開發流程
• PR與issue的聯動維護
• 如何將個人的GitHub主頁配置的優雅好看
• issue與pr模板的配置及應用

GitHub-Actions

• 自動為README添加TOC目錄
• 自動將項目貢獻者列表添加到README中
• 自動優雅地為項目構建Releases
• 自動獲取博客rss文章
• 自動構建兼容多CPU架構的docker鏡像并發布到DockerHub
• 自動執行代碼掃描預檢查等工作
• 自動生成GitHub的Fans
• 自動生成個人star列表并歸類
• 自動獲取項目當前star與fork寫到Description
• 自動對倉庫內圖片進行無損壓縮
• 自動檢測項目中的問題鏈接

GitHub-Tips

• 如何將README中的表格居中顯示
• 如何在一臺電腦上配置多個GitHub賬號
• 如何將多次提交合并為一次
• 閱讀代碼運行代碼的技巧
• 使用GitHub鍵盤快捷鍵匯總
• 個人開源項目推介平臺匯總整理
• 如何給GitHub-Pages綁定自定義域名
• 如何處理文件名變換大小寫在Git無法提交的問題

數據&資源

🔥 『Awesome Control Theory』控制論相關資源列表

https://github.com/A-make/awesome-control-theory

控制理論是應用數學的一個分支，涉及驅動動力學系統的控制策略的設計。控制工程是一個跨學科領域，將控制理論應用于工廠，航空航天，機器人技術等廣泛的系統。

研究&論文

可以點擊 這里 回復關鍵字 日報，免費獲取整理好的論文合輯。

科研進展

• 2022.09.19 『3D人體姿勢預估』 D&D: Learning Human Dynamics from Dynamic Camera
• 2022.09.18 『姿態預估』 LATITUDE: Robotic Global Localization with Truncated Dynamic Low-pass Filter in City-scale NeRF
• 2022.09.16 『決策』 FairGBM: Gradient Boosting with Fairness Constraints

? 論文：D&D: Learning Human Dynamics from Dynamic Camera

論文時間：19 Sep 2022

領域任務：3D Human Pose Estimation, Human Dynamics，3D人體姿勢預估

論文地址：https://arxiv.org/abs/2209.08790

代碼實現：https://github.com/jeff-sjtu/dnd

論文作者：Jiefeng Li, Siyuan Bian, Chao Xu, Gang Liu, Gang Yu, Cewu Lu

論文簡介：In this work, we present D&D (Learning Human Dynamics from Dynamic Camera), which leverages the laws of physics to reconstruct 3D human motion from the in-the-wild videos with a moving camera./在這項工作中，我們提出了D&D（從動態攝像機中學習人類動態），它利用物理定律，從帶有移動攝像機的野外視頻中重建三維人類運動。

論文摘要：從單目視頻中進行的三維人體姿勢估計最近有了很大的改進。然而，大多數最先進的方法都是基于運動學的，容易出現物理上不可信的運動和明顯的偽影。目前基于動力學的方法可以預測物理上可信的運動，但只限于靜態攝像機視角的簡單場景。在這項工作中，我們提出了D&D（從動態攝像機中學習人類動力學），它利用物理定律，從帶有移動攝像機的野外視頻中重建三維人類運動。D&D引入了慣性力控制（IFC），通過考慮動態攝像機的慣性力來解釋非慣性局部框架中的人類三維運動。為了在有限的注釋下學習地面接觸，我們開發了概率接觸力矩（PCT），它通過對接觸概率的可區分采樣計算，并用于產生運動。通過鼓勵模型產生正確的運動，可以對接觸狀態進行弱監督。此外，我們提出了一個貼心的PD控制器，它利用時間信息調整目標姿勢狀態，以獲得平滑和準確的姿勢控制。我們的方法完全是基于神經的，運行時無需離線優化或在物理引擎中模擬。在大規模三維人體運動基準上的實驗證明了D&D的有效性，在那里我們表現出比最先進的基于運動學和基于動力學的方法更好的性能。代碼可在 https://github.com/Jeffsjtu/DnD 獲取。

? 論文：LATITUDE: Robotic Global Localization with Truncated Dynamic Low-pass Filter in City-scale NeRF

論文時間：18 Sep 2022

領域任務：Pose Prediction，姿態預估

論文地址：https://arxiv.org/abs/2209.08498

代碼實現：https://github.com/jike5/LATITUDE

論文作者：Zhenxin Zhu, Yuantao Chen, Zirui Wu, Chao Hou, Yongliang Shi, Chuxuan Li, Pengfei Li, Hao Zhao, Guyue Zhou

論文簡介：In this paper, we present LATITUDE: Global Localization with Truncated Dynamic Low-pass Filter, which introduces a two-stage localization mechanism in city-scale NeRF./在本文中，我們介紹了LATITUDE。全局定位與截斷動態低通濾波器，它在城市規模的NeRF中引入了一個兩階段的定位機制。

論文摘要：神經輻射場（NeRFs）在表現復雜的三維場景方面取得了巨大的成功，具有高分辨率的細節和高效的內存。然而，目前基于NeRF的姿態估計器沒有初始姿態預測，在優化過程中容易出現局部優化。在本文中，我們提出了LATITUDE。全球定位與截斷動態低通濾波器，它在城市規模的NeRF中引入了一個兩階段的定位機制。在位置識別階段，我們通過訓練過的NeRFs生成的圖像訓練一個回歸器，為全局定位提供一個初始值。在姿態優化階段，我們通過直接優化切平面上的姿態，使觀察到的圖像和渲染的圖像之間的殘差最小。為了避免收斂到局部最優，我們引入了截斷動態低通濾波器（TDLF）用于粗到細的姿勢注冊。我們在合成和真實世界的數據上評估了我們的方法，并展示了它在大規模城市場景中高精度導航的潛在應用。代碼和數據將在 https://github.com/jike5/LATITUDE 上公開。

? 論文：FairGBM: Gradient Boosting with Fairness Constraints

論文時間：16 Sep 2022

領域任務：Decision Making, Fairness，決策，公平

論文地址：https://arxiv.org/abs/2209.07850

代碼實現：https://github.com/feedzai/fairgbm

論文作者：André F Cruz, Catarina Belém, Jo?o Bravo, Pedro Saleiro, Pedro Bizarro

論文簡介：Machine Learning (ML) algorithms based on gradient boosted decision trees (GBDT) are still favored on many tabular data tasks across various mission critical applications, from healthcare to finance./基于梯度提升決策樹（GBDT）的機器學習（ML）算法在從醫療到金融等各種關鍵任務的許多表格數據任務中仍然受到青睞。

論文摘要：基于梯度提升決策樹（GBDT）的機器學習（ML）算法在從醫療到金融等各種關鍵任務的許多表格數據任務中仍然受到青睞。然而，GBDT算法并非沒有偏見和歧視性決策的風險。盡管GBDT很受歡迎，而且公平ML的研究步伐很快，但現有的處理中公平ML方法要么不能適用于GBDT，要么會產生大量的訓練時間開銷，要么不足以解決類不平衡度高的問題。我們提出了FairGBM，一個在公平約束下訓練GBDT的學習框架，與無約束的LightGBM相比，對預測性能幾乎沒有影響。由于常見的公平性指標是不可分的，我們采用了一個 "代理-拉格朗日 "的表述，使用平滑的凸形錯誤率代理來實現基于梯度的優化。此外，與相關工作相比，我們的開源實現顯示了訓練時間的數量級加快，這是促進現實世界從業者廣泛采用FairGBM的一個關鍵方面。

我們是 ShowMeAI，致力于傳播AI優質內容，分享行業解決方案，用知識加速每一次技術成長！

? 點擊 日報合輯，在公眾號內訂閱話題 #ShowMeAI資訊日報，可接收每日最新推送。

? 點擊 電子月刊，快速瀏覽月度合輯。

? 點擊 這里 ，回復關鍵字 日報 免費獲取AI電子月刊與論文 / 電子書等資料包。

總結

以上是生活随笔為你收集整理的字节跳动开源！超好用的视频抠图工具；GitHub开源项目维护协作指南；自动化数据清洗工具包；强化学习入门教程；前沿论文 | ShowMeAI资讯日报的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。