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!
Si vous voulez aussi lire plus d’articles scientifiques, je vous recommande mon article, dans lequel je partage mes meilleurs conseils pour en trouver et en lire davantage.
Article no 1 :
Prix du meilleur article de la CVPR 2021 : GIRAFFE, génération d’images contrôlable [1]
Grâce à une architecture GAN modifiée, les chercheurs peuvent déplacer les objets dans l’image sans toucher à l’arrière-plan ni aux autres objets!
Une version courte à lire
[
Prix du meilleur article de la CVPR 2021 : GIRAFFE, génération d’images contrôlable
Grâce à une architecture GAN modifiée, les chercheurs peuvent déplacer les objets dans l’image sans toucher à l’arrière-plan ni aux autres objets!
](/fr/cvpr-2021-best-paper/)
Code : https://github.com/autonomousvision/giraffe
Article no 2 :
Le nouveau générateur de code d’OpenAI : GitHub Copilot (et Codex) | Cette IA génère du code à partir de mots [2]
Découvrez comment ce nouveau modèle d’OpenAI génère du code à partir de mots!
Une version courte à lire
[
Le nouveau générateur de code d’OpenAI : GitHub Copilot (et Codex)
Découvrez comment cette IA génère du code à partir de mots
](/fr/github-copilot/)
Code : https://copilot.github.com/
Article no 3 :
Comment Apple Photos reconnaît les personnes dans vos photos privées grâce à l’apprentissage automatique [3]
Grâce à plusieurs algorithmes basés sur l’apprentissage automatique qui s’exécutent en privé sur votre appareil, Apple vous permet d’organiser précisément vos images et vos vidéos sous iOS 15.
Une version courte à lire
[
Comment Apple Photos reconnaît les personnes dans vos photos privées grâce à l’apprentissage automatique
Grâce à plusieurs algorithmes basés sur l’apprentissage automatique qui s’exécutent en privé sur votre appareil, Apple vous permet d’organiser précisément vos images et vos vidéos sous iOS 15.
](/fr/how-apple-photos-recognizes-people/)
Si vous aimez mon travail et voulez rester au courant des nouveautés en IA, vous devriez vraiment me suivre sur mes autres réseaux sociaux, comme LinkedIn et Twitter, et vous abonner à mon infolettre hebdomadaire sur l’IA !
Pour me soutenir :
- La meilleure façon de me soutenir est de me suivre sur Medium ou de vous abonner à ma chaîne YouTube si vous aimez le format vidéo.
- Soutenez mon travail sur Patreon.
- Joignez-vous à notre communauté Discord : Learn AI Together et partagez vos projets, vos articles scientifiques et les meilleures formations, trouvez des coéquipiers pour Kaggle et bien plus encore !
Références
[1] Michael Niemeyer et Andreas Geiger, (2021), « GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields », publié à la CVPR 2021.
[2] Article d’OpenAI sur Codex et Copilot : https://arxiv.org/pdf/2107.03374.pdf
[3] Apple, « Recognizing People in Photos Through Private On-Device Machine Learning », (2021), https://machinelearning.apple.com/research/recognizing-people-photos
FAQ
Quels projets figurent dans le résumé de juillet 2021?
La liste comprend GIRAFFE, GitHub Copilot et Codex, ainsi que la reconnaissance des personnes dans Apple Photos, effectuée directement sur l’appareil.
Pourquoi GIRAFFE a-t-il attiré l’attention à la CVPR?
Sa représentation qui tient compte de la 3D permettait de contrôler plus indépendamment les objets, la position de la caméra et la composition de la scène.
Qu’a démontré Copilot pour les programmeurs?
Il a montré comment un modèle de langage entraîné sur du code pouvait suggérer des implémentations à partir de commentaires et du code source environnant.
Pourquoi la reconnaissance des photos sur l’appareil est-elle importante?
Le traitement local peut organiser les images personnelles tout en réduisant le besoin de téléverser des photothèques privées.
Qu’offre le format mensuel?
Il fournit un point d’entrée rapide avant que les lecteurs ouvrent les démos, le code et les sources primaires.