需求人群:
"Sparsh的目标受众是机器人学、人工智能和计算机视觉领域的研究者和开发者。它特别适合那些需要在触觉传感领域进行研究或开发应用的专业人士。Sparsh提供的自监督学习和多任务学习框架能够帮助他们提高模型的性能和数据效率,同时开源的特性也便于他们进行定制和二次开发。"
使用场景示例:
- 在机器人抓取任务中,使用Sparsh预测抓取力,以优化抓取策略。
- 在医疗辅助设备中,利用Sparsh进行触觉反馈,提高设备的交互性和安全性。
- 在工业检测领域,应用Sparsh进行产品质量检测,通过触觉数据分析提高检测精度。
产品特色:
- 自监督学习算法:Sparsh通过MAE、DINO和JEPA等自监督学习算法进行训练。
- 多触觉传感器支持:能够为DIGIT、Gelsight'17和Gelsight Mini等多种触觉传感器生成有用的表示。
- 下游任务性能优异:在TacBench提出的下游任务中,Sparsh的性能大幅度超越端到端模型。
- 数据高效训练:Sparsh可以支持新下游任务的数据高效训练。
- 预训练模型和数据集:提供PyTorch实现、预训练模型和数据集,方便研究者和开发者使用。
- 多下游任务支持:Sparsh支持包括力估计、滑移检测和姿态估计等多个下游任务。
- 代码和模型开源:Sparsh的代码和模型在GitHub上开源,便于社区贡献和改进。
使用教程:
1. 克隆Sparsh仓库到本地:使用git clone命令克隆Sparsh的GitHub仓库。
2. 创建环境:根据项目提供的environment.yml文件创建conda环境,并激活。
3. 下载数据集:按照指南下载并设置预训练数据集。
4. 训练模型:使用train.py脚本和配置文件开始训练Sparsh模型。
5. 微调模型:针对特定的下游任务,使用train_task.py脚本微调Sparsh模型。
6. 测试模型:使用test_task.py脚本测试训练好的模型,并评估性能。
7. 可视化演示:运行demo_forcefield.py脚本,进行力场可视化演示。
浏览量:4
最新流量情况
月访问量
5.16m
平均访问时长
00:06:42
每次访问页数
5.81
跳出率
37.20%
流量来源
直接访问
52.27%
自然搜索
32.92%
邮件
0.05%
外链引荐
12.52%
社交媒体
2.15%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
11.99%
德国
3.63%
印度
9.20%
俄罗斯
5.25%
美国
19.02%
自监督触觉表示,用于基于视觉的触觉传感。
Sparsh是一系列通过自监督算法(如MAE、DINO和JEPA)训练的通用触觉表示。它能够为DIGIT、Gelsight'17和Gelsight Mini生成有用的表示,并在TacBench提出的下游任务中大幅度超越端到端模型,同时能够为新下游任务的数据高效训练提供支持。Sparsh项目包含PyTorch实现、预训练模型和与Sparsh一起发布的数据集。
生成任何3D和4D场景的先进框架
GenXD是一个专注于3D和4D场景生成的框架,它利用日常生活中常见的相机和物体运动来联合研究一般的3D和4D生成。由于社区缺乏大规模的4D数据,GenXD首先提出了一个数据策划流程,从视频中获取相机姿态和物体运动强度。基于此流程,GenXD引入了一个大规模的现实世界4D场景数据集:CamVid-30K。通过利用所有3D和4D数据,GenXD框架能够生成任何3D或4D场景。它提出了多视图-时间模块,这些模块分离相机和物体运动,无缝地从3D和4D数据中学习。此外,GenXD还采用了掩码潜在条件,以支持多种条件视图。GenXD能够生成遵循相机轨迹的视频以及可以提升到3D表示的一致3D视图。它在各种现实世界和合成数据集上进行了广泛的评估,展示了GenXD在3D和4D生成方面与以前方法相比的有效性和多功能性。
为机器人提供虚拟模拟和评估的先进世界模型。
1X 世界模型是一种机器学习程序,能够模拟世界如何响应机器人的行为。它基于视频生成和自动驾驶汽车世界模型的技术进步,为机器人提供了一个虚拟模拟器,能够预测未来的场景并评估机器人策略。这个模型不仅能够处理复杂的对象交互,如刚体、掉落物体的影响、部分可观察性、可变形物体和铰接物体,还能够在不断变化的环境中进行评估,这对于机器人技术的发展至关重要。
大规模多模态医学数据集
MedTrinity-25M是一个大规模多模态数据集,包含多粒度的医学注释。它由多位作者共同开发,旨在推动医学图像和文本处理领域的研究。数据集的构建包括数据提取、多粒度文本描述生成等步骤,支持多种医学图像分析任务,如视觉问答(VQA)、病理学图像分析等。
一站式数据处理系统,为大型语言模型提供高质量数据。
Data-Juicer 是一个一站式的多模态数据处理系统,旨在为大型语言模型(LLMs)提供更高质量、更丰富、更易消化的数据。它提供了一个系统化和可复用的数据处理库,支持数据与模型的协同开发,通过沙盒实验室实现快速迭代,并提供基于数据和模型的反馈循环、可视化和多维度自动评估等功能,帮助用户更好地理解和改进他们的数据和模型。Data-Juicer 正在积极更新和维护,定期增强和添加更多功能、数据配方和数据集。
高效训练高质量文本到图像扩散模型
ml-mdm是一个Python包,用于高效训练高质量的文本到图像扩散模型。该模型利用Matryoshka扩散模型技术,能够在1024x1024像素的分辨率上训练单一像素空间模型,展现出强大的零样本泛化能力。
大规模图像编辑数据集
UltraEdit是一个大规模的图像编辑数据集,包含约400万份编辑样本,自动生成,基于指令的图像编辑。它通过利用大型语言模型(LLMs)的创造力和人类评估员的上下文编辑示例,提供了一个系统化的方法来生产大规模和高质量的图像编辑样本。UltraEdit的主要优点包括:1) 它通过利用大型语言模型的创造力和人类评估员的上下文编辑示例,提供了更广泛的编辑指令;2) 其数据源基于真实图像,包括照片和艺术作品,提供了更大的多样性和减少了偏见;3) 它还支持基于区域的编辑,通过高质量、自动生成的区域注释得到增强。
高效的检索增强生成研究工具包
FlashRAG是一个Python工具包,用于检索增强生成(RAG)研究的复现和开发。它包括32个预处理的基准RAG数据集和12种最先进的RAG算法。FlashRAG提供了一个广泛且可定制的框架,包括检索器、重排器、生成器和压缩器等RAG场景所需的基本组件,允许灵活组装复杂流程。此外,FlashRAG还提供了高效的预处理阶段和优化的执行,支持vLLM、FastChat等工具加速LLM推理和向量索引管理。
使用Kolmogorov-Arnold网络实现的预训练生成式变换器(GPTs)的语言模型
kan-gpt是一个基于PyTorch的Generative Pre-trained Transformers (GPTs) 实现,它利用Kolmogorov-Arnold Networks (KANs) 进行语言建模。该模型在文本生成任务中展现出了潜力,特别是在处理长距离依赖关系时。它的重要性在于为自然语言处理领域提供了一种新的模型架构,有助于提升语言模型的性能。
为真实世界机器人提供最先进的机器学习模型、数据集和工具。
LeRobot 是一个旨在降低进入机器人领域的门槛,让每个人都能贡献并从共享数据集和预训练模型中受益的开源项目。它包含了在真实世界中经过验证的最先进的方法,特别关注模仿学习和强化学习。LeRobot 提供了一组预训练模型、带有人类收集演示的数据集和模拟环境,以便用户无需组装机器人即可开始。未来几周内,计划增加对最实惠和最有能力的真实世界机器人的支持。
一个公益项目,致力于帮助国内AI开发者快速、稳定的下载模型、数据集。
HuggingFace镜像站是一个非盈利性项目,旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程,减少因网络问题导致的中断,它极大地提高了开发者的工作效率。该镜像站支持多种下载方式,包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
MNBVC是一个超大规模的中文语料集,对标chatGPT训练的40T数据
MNBVC(Massive Never-ending BT Vast Chinese corpus)是一个旨在为AI提供丰富中文语料的项目。它不仅包括主流文化内容,还涵盖了小众文化和网络用语。数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等多种形式的纯文本中文数据。
端到端MLLM,实现精准引用和定位
ml-ferret是一个端到端的机器学习语言模型(MLLM),能够接受各种形式的引用并响应性地在多模态环境中进行精准定位。它结合了混合区域表示和空间感知的视觉采样器,支持细粒度和开放词汇的引用和定位。此外,ml-ferret还包括GRIT数据集(约110万个样本)和Ferret-Bench评估基准。
苹果芯片高效灵活机器学习
MLX是一种类似NumPy的数组框架,专为在苹果芯片上进行高效灵活的机器学习而设计,由苹果机器学习研究团队提供。Python API与NumPy紧密相似,但也有一些例外。MLX还具有完整的C++ API,紧密遵循Python API。MLX与NumPy的主要区别包括:可组合的函数转换、惰性计算和多设备支持。MLX的设计灵感来自PyTorch、Jax和ArrayFire等框架。与这些框架不同的是,MLX采用统一内存模型。MLX中的数组位于共享内存中,可以在任何受支持的设备类型(CPU、GPU等)上执行操作,而无需执行数据复制。
模型和数据集的集合
Distil-Whisper是一个提供模型和数据集的平台,用户可以在该平台上访问各种预训练模型和数据集,并进行相关的应用和研究。该平台提供了丰富的模型和数据集资源,帮助用户快速开展自然语言处理和机器学习相关工作。
大规模人工智能开放网络
LAION是一个非营利组织,致力于提供机器学习资源给公众使用,包括数据集、工具和模型。我们鼓励开放公共教育,并通过重复使用现有数据集和模型来更环保地使用资源。我们提供多个数据集、模型和项目,以支持广泛的人工智能研究。
利用大规模机器学习理解场景并连接全球数百万场景的地理空间模型
Niantic的Large Geospatial Model (LGM) 是一个先锋概念,旨在通过大规模机器学习理解场景并将其与全球数百万其他场景连接起来。LGM不仅使计算机能够感知和理解物理空间,还能以新的方式与它们互动,成为AR眼镜及更广泛领域(包括机器人技术、内容创作和自主系统)的关键组成部分。随着我们从手机转向与现实世界相连的可穿戴技术,空间智能将成为世界未来的操作系统。
一个完全由你掌控数据的「被动记录」项目。
Pensieve是一个隐私保护的被动记录项目,它可以自动记录屏幕内容,构建智能索引,并提供便捷的网页界面来检索历史记录。这个项目受到了Rewind和Windows Recall的启发,但与它们不同,Pensieve允许用户完全控制自己的数据,避免了数据传输到不受信任的数据中心。Pensieve的主要优点包括简单安装、完整的数据控制、全文和向量搜索支持、与Ollama集成、兼容任何OpenAI API模型、支持Mac和Windows(Linux支持正在开发中)以及通过插件扩展功能。
Qwen Turbo 1M Demo是一个由Qwen提供的Hugging Face空间。
Qwen Turbo 1M Demo是一个基于Hugging Face平台的人工智能模型演示。这个模型代表了自然语言处理技术的最新进展,特别是在中文文本理解和生成方面。它的重要性在于能够提供高效、准确的语言模型,以支持各种语言相关的应用,如机器翻译、文本摘要、问答系统等。Qwen Turbo 1M Demo以其较小的模型尺寸和快速的处理速度而受到青睐,适合需要快速部署和高效运行的场合。目前,该模型是免费试用的,具体价格和定位可能需要进一步的商业洽谈。
数据驱动的框架,增强大型语言模型的工作流编排能力
WorkflowLLM是一个以数据为中心的框架,旨在增强大型语言模型(LLMs)在工作流编排方面的能力。核心是WorkflowBench,这是一个大规模的监督式微调数据集,包含来自83个应用、28个类别的1503个API的106763个样本。WorkflowLLM通过微调Llama-3.1-8B模型,创建了专门针对工作流编排任务优化的WorkflowLlama模型。实验结果表明,WorkflowLlama在编排复杂工作流方面表现出色,并且能够很好地泛化到未见过的API。
AI技术预览纹身去除效果,辅助决策
AI Tattoo Removal是一个利用人工智能技术展示纹身去除效果的先进工具。它提供了多种可视化选项和用户友好的界面,适用于考虑纹身去除的个人和专业纹身去除专家。该平台使用尖端的机器学习算法分析并展示纹身去除进度,用户可以查看不同的去除阶段、结果和治疗方案,以更好地理解去除过程。产品的主要优点包括即时可视化、个性化体验和免费的基础功能,同时提供高级功能订阅服务。
AI云平台,为所有人服务
Kalavai是一个AI云平台,旨在为所有人提供服务。它通过集成各种AI技术,使得用户能够构建、部署和运行AI应用。Kalavai平台的主要优点是其易用性和灵活性,用户无需深入了解复杂的AI技术,即可快速构建自己的AI应用。平台背景信息显示,它支持多种语言和框架,适合不同层次的开发者使用。目前,Kalavai提供免费试用,具体价格和定位需要进一步了解。
AI模型部署和推理优化的专家
Neural Magic是一家专注于AI模型优化和部署的公司,提供领先的企业级推理解决方案,以最大化性能和提高硬件效率。公司的产品支持在GPU和CPU基础设施上运行领先的开源大型语言模型(LLMs),帮助企业在云、私有数据中心或边缘环境中安全、高效地部署AI模型。Neural Magic的产品背景信息强调了其在机器学习模型优化方面的专业知识,以及与科研机构合作开发的创新LLM压缩技术,如GPTQ和SparseGPT。产品价格和定位方面,Neural Magic提供了免费试用和付费服务,旨在帮助企业降低成本、提高效率,并保持数据隐私和安全。
高效分离图像前景与背景的模型
RMBG-2.0是由BRIA AI开发的背景移除模型,旨在有效分离图像中的前景和背景。该模型在包括通用库存图像、电子商务、游戏和广告内容的精选数据集上进行了训练,适合商业用例,能够大规模驱动企业内容创作。其准确性、效率和多功能性可与领先的开源模型相媲美。RMBG-2.0是作为源代码可用的模型,用于非商业用途。
Qwen2.5-Coder系列中的0.5B参数代码生成模型
Qwen2.5-Coder是Qwen大型语言模型的最新系列,专注于代码生成、代码推理和代码修复。基于强大的Qwen2.5,该系列模型通过增加训练令牌至5.5万亿,包括源代码、文本代码基础、合成数据等,显著提升了编码能力。Qwen2.5-Coder-32B已成为当前最先进的开源代码大型语言模型,编码能力与GPT-4o相当。此外,Qwen2.5-Coder还为实际应用如代码代理提供了更全面的基础,不仅增强了编码能力,还保持了在数学和通用能力方面的优势。
Hugging Face上由Qwen提供的编程工具集合
Qwen2.5 Coder Artifacts是一个托管在Hugging Face平台上的编程工具集合,代表了人工智能在编程领域的应用。这个产品集合利用最新的机器学习技术,帮助开发者提高编码效率,优化代码质量。产品背景信息显示,它是由Qwen创建并维护的,旨在为开发者提供一个强大的编程辅助工具。产品是免费的,定位于提高开发者的生产力。
AI研究与趋势分析平台
Epoch AI是一个研究人工智能关键趋势和问题的研究机构,旨在塑造AI的轨迹和治理。该机构通过报告、论文、模型和可视化工具,推进基于证据的AI讨论。Epoch AI的工作得到了研究和媒体的信任,为理解AI的发展轨迹提供了重要资源。
华盛顿邮报的AI问答产品
Ask The Post AI是华盛顿邮报推出的一款基于人工智能的产品,它允许读者就自2016年以来发布的所有报道提出问题。该产品利用生成式AI技术和对话格式,依托华盛顿邮报长期以来基于事实、深入报道的新闻传统,以新的方式取悦并通知读者。Ask The Post AI通过机器学习团队对Climate Answers工具的数据进行提炼,优化了如何检索和匹配自2016年以来新闻室发布的所有报道中与用户查询相关的相关文章。
© 2024 AIbase 备案号:闽ICP备08105208号-14