[PeterWeiss]

#codzienneainews przegląd prac naukowych#cainarxiv + #vr w [4]

• [1] Naukowcy z Tsinghua University i Shanghai AI Laboratory stworzyli DRiVE - nowy system do tworzenia realistycznych awatarów anime. Wykorzystuje on reprezentację Gaussowską 3D oraz moduł dyfuzyjny GSDiff zamiast meshy, co znacznie ułatwia animację. Stworzyli również ogromny zbiór danych do treningu (AnimeRig).

DRiVE: Diffusion-based Rigging Empowers Generation of Versatile and Expressive Characters

• [2] Naukowcy z University of Washington, Lawrence Berkeley National Laboratory i Watauga High School zaprezentowali innowacyjną platformę głębokiego uczenia dla obrazowania rezonansu magnetycznego (MRI), która łączy najskuteczniejsze architektury sieci neuronowych w celu poprawy diagnostyki neurologicznej. Ich wielowarstwowy model, wykorzystujący zaawansowane podejścia takie jak nn-UNet, Swin-UNet i U-Mamba, pozwala na precyzyjną segmentację, klasyfikację guzów mózgu oraz syntezę obrazów. Proponowane rozwiązanie znacząco przewyższa dotychczasowe metody, potencjalnie rewolucjonizując opiekę nad pacjentami poprzez szybsze i bardziej precyzyjne rozpoznawanie zmian chorobowych.

An Ensemble Approach for Brain Tumor Segmentation and Synthesis

• [3] Single person study, ale ciekawe. Tom Schaul z Google DeepMind przedstawia koncepcję "uczenia sokratejskiego" w systemach zamkniętych argumentując, że agent może opanować dowolną zdolność, jeśli spełnione są trzy kluczowe warunki:
- otrzymuje wystarczająco informujące i zgodne informacje zwrotne,
- ma szeroki zakres doświadczeń
- oraz wystarczający potencjał obliczeniowy.
Koncentrując się szczególnie na agentach lingwistycznych, autor proponuje innowacyjny framework oparty na "grach językowych", który pozwala na rekurencyjne samodoskonalenie się, potencjalnie znacząco przekraczające początkowy zasób wiedzy. Jego koncepcja sugeruje, że jedynymi ograniczeniami takiego uczenia są czas i stopniowe problemy z alignmentem.

Boundless Socratic Learning with Language Games

• [4] Meta Reality Labs oraz ETH Zurich zaproponowali nową metodę śledzenia całego ciała w urządzeniach XR (AR/VR). Ze względu na brak dedykowanych czujników nóg, dotychczasowe metody generowały ruchy na podstawie sygnału z głowy i kontrolerów. Autorzy proponują innowacyjne rozwiązanie XR-MBT, które wykorzystuje dane o głębi, uczenie maszynowe i samonadzorowane uczenie się, aby dokładnie śledzić ruchy całego ciała, w tym nóg, w czasie rzeczywistym.

XR-MBT: Multi-modal Full Body Tracking for XR through Self-Supervision with Learned Depth Point Cloud Registration

#sztucznainteligencja #gruparatowaniapoziomu #xr #vr #quest #oculusquest #quest3

======================

Zawołać cię do kolejnego wpisu? Zaplusuj CENTRALNĄ LISTĘ DO WOŁANIA dostępną pod tym linkiem:

https://wykop.pl/wpis/78971397/centralna-lista-do-wolania-zaplusuj-ten-wpis-aby-b

Aby nie być dalej wołanym - odplusuj wspomniany wpis.

[PeterWeiss]

Treść została ukryta... Pokaż treść

[programista3k]

• [4] Meta Reality Labs oraz ETH Zurich zaproponowali nową metodę śledzenia całego ciała w urządzeniach XR (AR/VR). Ze względu na brak dedykowanych czujników nóg, dotychczasowe metody generowały ruchy na podstawie sygnału z głowy i kontrolerów. Autorzy proponują innowacyjne rozwiązanie XR-MBT, które wykorzystuje dane o głębi, uczenie maszynowe i samonadzorowane uczenie się, aby dokładnie śledzić ruchy całego ciała, w tym nóg, w czasie rzeczywistym.

@PeterWeiss: o tym gdzieś słyszałem, tam

[PeterWeiss]

@programista3k: W sumie masz rację. Wielkie bebzony, albo pokaźne "argumenty" u płci pięknej mogą przeszkadzać. W takich przypadkach zostają chyba tylko trackery SlimeVR. Ponoć działają z Questem w trybie standalone (bez PCVR).

[programista3k]

@PeterWeiss: albo ms reaktywuje kinecty xD, szkoda że ubili.