Voici les 3 articles scientifiques les plus intéressants du mois, au cas où vous en auriez manqué un. Il s’agit d’une liste organisée des plus récentes avancées en IA et en science des données, classées par date de parution, avec une explication vidéo claire, un lien vers un article plus détaillé et le code, s’il y a lieu. Bonne lecture ! Dites-moi dans les commentaires si j’ai oublié des articles importants, ou communiquez directement avec moi sur LinkedIn !
Article no 1 :
Un logiciel d’IA capable de détecter et de compter les déchets de plastique dans l’océan [1]
Odei Garcia-Garin et ses collègues de l’Université de Barcelone ont créé un algorithme fondé sur l’apprentissage profond capable de détecter et de quantifier les déchets flottants dans des images aériennes. Ils ont aussi créé une application Web qui permet aux utilisateurs de reconnaître ces déchets, appelés macrodéchets marins flottants, ou FMML, dans des images de la surface de la mer.
Regardez la vidéo
La version courte
[
Un logiciel d’IA capable de détecter et de compter les déchets de plastique dans l’océan
Odei Garcia-Garin et ses collègues de l’Université de Barcelone ont créé un algorithme fondé sur l’apprentissage profond capable de détecter et de quantifier les déchets flottants dans des images aériennes. Ils ont aussi créé une application Web…
Code et application Web : https://github.com/amonleong/MARLIT
Article no 2 :
ShaRF : prenez une photo d’un véritable objet et créez-en un modèle 3D [2]
Imaginez à quel point ce serait génial de simplement prendre un objet en photo et de l’obtenir en 3D pour l’intégrer au film ou au jeu vidéo que vous créez, ou dans une scène 3D pour une illustration.
Regardez la vidéo
La version courte
[
ShaRF : prenez une photo d’un véritable objet et créez-en un modèle 3D
La représentation neuronale d’une scène à partir d’une seule image est un problème très complexe. « L’objectif final » est de pouvoir prendre un véritable objet en photo et de transformer cette image en scène 3D. Il…
Article scientifique et détails du projet ShaRF : https://proceedings.mlr.press/v139/rematas21a.html
Article no 3 :
GANsformers : génération de scènes avec des Transformers antagonistes génératifs [3]
Ils exploitent essentiellement le mécanisme d’attention des Transformers dans la puissante architecture StyleGAN2 pour la rendre encore plus performante !
Regardez la vidéo
La version courte
[
Transformers antagonistes génératifs : GANsformers expliqué
La semaine dernière, nous avons examiné DALL-E, le plus récent article scientifique d’OpenAI. Il utilise une architecture semblable à celle de GPT-3 qui intègre des Transformers pour générer une image à partir de texte. Il s’agit d’une tâche super intéressante et complexe…
](https://whats-ai.medium.com/generative-adversarial-transformers-gansformers-explained-bf1fa76ef58d)
Code : https://github.com/dorarad/gansformer
Plus de contenu de ma part :
- La meilleure façon de me soutenir est de me suivre sur Medium.
- Abonnez-vous à ma chaîne YouTube.
- Suivez mes projets sur LinkedIn.
- Apprenons l’IA ensemble. Rejoignez notre communauté Discord, partagez vos projets et vos articles scientifiques, trouvez les meilleurs cours, rencontrez des coéquipiers pour Kaggle et bien plus encore !
- Abonnez-vous à mon infolettre !
Références
[1] Odei Garcia-Garin et al., Automatic detection and quantification of floating marine macro-litter in aerial images: Introducing a novel deep learning approach connected to a web application in R, Environmental Pollution, https://doi.org/10.1016/j.envpol.2021.116490.
[2] Rematas, K., Martin-Brualla, R., and Ferrari, V., “ShaRF: Shape-conditioned Radiance Fields from a Single View”, (2021), https://arxiv.org/abs/2102.08860
[3] Drew A. Hudson and C. Lawrence Zitnick, Generative Adversarial Transformers, (2021)
FAQ
Quels articles figurent dans le résumé de février 2021 ?
La sélection présente la détection de déchets marins, la reconstruction 3D à partir d’une seule image avec ShaRF et la génération de scènes par GAN assistés par des Transformers.
Comment l’IA peut-elle aider à surveiller le plastique dans l’océan ?
Un modèle de vision peut détecter et compter les macrodéchets flottants dans des images aériennes de la surface de la mer.
Que reconstruit ShaRF ?
ShaRF estime un champ de radiance conditionné par la forme 3D à partir d’une seule vue d’un objet.
Qu’apportent les GANsformers à la génération de scènes ?
Ils combinent la génération antagoniste à des interactions entre Transformers conçues pour modéliser les relations entre les éléments d’une scène.
Quelles ressources accompagnent la sélection ?
Chaque choix mène à une courte explication, à une démo, au code lorsqu’il est offert et à l’article scientifique.