分分鐘監控你的學習，高效時間管理，一副AI眼鏡就夠了

克服拖延癥有救了？提高效率光靠自制力是不行的，你還需要一個監工。

最近Indiegogo眾籌平臺出現一款AI黑科技產品，聲稱可以幫助用戶提高注意力，改善學習效率。而這款黑科技產品，就是圖中這副看起來“平平無奇”的眼鏡。

從官網來看，這幅眼鏡主要通過監控“眼睛”正在查看的內容，來幫助使用者提高注意力。而這一功能主要是通過Specs眼鏡內置的智能攝像頭和計算機視覺技術來完成。

英偉達推出RTX 30系列顯卡，性能翻倍，價格亮了

Geforce RTX 30 系列顯卡，采用三星8nm制程工藝，集成280億個晶體管。

經歷了漫長的等待，終于在今天，英偉達CEO黃仁勛在自己廚房發布了英偉達最新一代GeForce RTX 30系列顯卡，包括GeForce RTX 3070、RTX 3080和RTX 3090。

黃仁勛稱，無論性能還是能效，安培架構GPU都是圖靈架構的兩倍，而英偉達基于安培架構的全新GPU在性能、能效和功耗上，均達到世界一流水平。

Facebook開源差分隱私庫Opacus，可保護數據隱私且高效訓練Prytorch模型

如何保護數據集隱私，是深度學習訓練必須要解決的問題之一。

近日，Facebooke開源了一個名為Opacus的高速庫，該庫可用于訓練具有差分隱私的PyTorch模型。

Opacus的目標是保護每個訓練樣本的私密性，同時限制對最終模型準確性的影響。

一份來自賈揚清的AI青年修煉指南：不存在算法工程師、調參俠沒有市場

算法工程師不僅需要具備牛逼的算法能力，還要精通業務、善于溝通？（小本子趕緊記下來！）

8月23日晚，知乎直播“AI時代聽大咖聊”邀請到AI領域的兩個大神，分別是阿里云智能高級研究員賈揚清，以及知乎CTO李大海。

在直播中，賈揚清與李大海就國內外AI研究區別、在校生/職場新人如何培養自己的AI才能、AI應用落地，以及AI在未來的發展趨勢展開討論。

在討論中，賈揚清認為：沒有算法工程師這個角色，只有兩個角色，一個是算法的研究人員，一個是應用的工程師，而“調參俠”沒有市場。

浙大重磅發布億級神經元類腦計算機：基于 792 顆自研「達爾文 2 代」芯片，可“意念”打字

當前，類腦計算研究開始從探索轉向突破。

類腦計算機將成為未來計算的主要形態和重要平臺。

2020 年 9 月 1 日，我國首臺基于自主知識產權類腦芯片的類腦計算機重磅發布。

據悉，作為當前全球范圍內神經元規模最大的類腦計算機，這臺由浙江大學、之江實驗室共同研制的類腦計算機含 792 顆「達爾文 2 代」類腦芯片、1.2 億脈沖神經元和近千億的神經突觸，堪比小鼠大腦神經元的規模，典型運行功耗僅 350-500 瓦。

逼學生作弊的AI閱卷老師

上學的時候，老師一定教導過你：遇到不會的問答題，就算是瞎寫，也要隨便寫兩句。也許閱卷老師心情好，可能會酌情給分呢。

老師會不會給分，不知道。但是，AI真的會給分，只要填對關鍵詞，AI教師甚至可能給滿分，即使關鍵詞之間并無其他前后邏輯連接。

最近，一個號稱服務于美國2萬所學校的AI教學平臺翻車了，利用它的漏洞去“裸考”就能輕松及格，簡直就是“學渣福音”。

物體檢測和分割輕松上手：從detectron2開始（合篇）

物體檢測和分割應該算是計算機視覺中常用的而且也比較酷的任務。但相比圖像分類，物體檢測和分割任務難度更大，另外一點是就是代碼實現也更復雜。對于物體檢測和分割，目前有以下幾個通用的開源項目：

Detectron：FAIR出品，基于caffe2；

maskrcnn-benchmark：FAIR出品，基于PyTorch，可以看成Detectron的PyTorch升級版；

MMDetection：商湯MMLab出品，基于PyTorch，Model zoo相當完備；

SimpleDet：圖森出品，基于MxNet；

Tensorflow Object Detection：Google出品，基于TensorFlow 1.x；

一文讀懂EfficientDet

今年年初Google Brain團隊在 CVPR 2020 上發布了 EfficientDet目標檢測模型, EfficientDet是一系列可擴展的高效的目標檢測器的統稱, 其精度與速度全面領先于YOLO V3, MaskRCNN, RentinaNet, NAS-FPN這些常見目標檢測模型. EfficientDet-D7 的性能更是非常的驚人, 在 326B FLOPS, 參數量 52 M的情況下, COCO 2017 validation 數據集上取得了 51.0的 mAP, 當下最強. EfficientDet更重要的貢獻是將EfficientNet復合縮放的思路進行延伸, 把架構決策明確化為可擴展的框架, 并且為不同的應用場景提供了 D0 到 D7 七種 “丹方”,實現了速度和精度之間的均衡, 使用者無需復雜調參, 便能輕松應用于對象檢測中的其他用例.

AI Paper

AI把視頻里的你抹掉了！效果絲滑，毫無痕跡，還能完美去水印 | ECCV

男大學生熱愛徒步運動，進入深山戈壁后失蹤：

詭異的現象，讓人懷疑視頻中使用了和九又四分之三站臺同樣的魔法。

這就是今年ECCV上最神奇的AI隱身衣技術。

讓網友們驚嘆，此情此景堪稱滅霸。

一張圖實現3D人臉建模！這是中科院博士生入選ECCV的新研究 | 開源

通過一段視頻，來重建人臉3D模型，沒什么稀奇的。但是，如果只有測試者的一張靜態圖片呢？

來自中科院模式識別實驗室的博士生郭建珠和他的團隊，提出了一種新的密集人臉對齊（3D Dense Face Alignment）方法。

新的3DDFA方法，最關鍵的核心，是3D輔助短視頻合成方法，它能模擬平面內和平面外的人臉移動，將一幅靜止圖像轉換為短視頻。

由此來完成模型的識別和訓練。

華為提出結合NAS的彎道車道線檢測算法：CurveLane-NAS

這篇文章是華為諾亞方舟實驗室和中山大學開源的彎道車道線檢測的工作，主要利用了NAS技術實現，使得車道敏感架構搜索和自適應點混合統一的用于曲線車道檢測，解決了曲線車道檢測問題。與現有方法相比，搜索網絡實現了速度/FLOPS權衡的SOTA。

ECCV 2020 | 一種用于超分辨率的蒸餾架構（已開源）

本文亮點：

（1）提出了一個新的適用于SR的蒸餾結構，首次使用蒸餾方法來改進超分模型的效果而且work。

（2）作者拿FSRCNN來蒸餾展示效果，蒸餾后的模型效果雖不如近幾年的模型（FSRCNN有點老），但內存使用和推理速度要比近幾年的模型好1-2個數量級。

ECCV 2020 | 業界首個！大規模多相機通用物品場景數據集MessyTable

MessyTable是商湯與新加坡南洋理工大學聯合制作的大規模多相機通用物品場景數據集。針對現實生活中多相機系統應用的難點，如相似相同的物品、密集遮擋、大角度差等問題，我們設計了大量真實、有趣又極富挑戰的場景：圍繞著混亂的餐桌（Messy Table）部署了多個視角的相機，其任務是關聯不同相機視角中的實例。看似簡單任務卻要求算法能夠分辨細微的外觀差別、從鄰近的區域獲取線索以及巧妙地使用幾何約束等。我們同時提出了利用多相機場景下周圍信息的新算法。我們希望MessyTable不僅可以作為極富挑戰的基線為后續研究指明方向，也可以作為高度真實的預訓練源為算法落地開辟道路。

原文標題：【AI 簡報20200907期】AI眼鏡問世、英偉達推出RTX30系列顯卡，更多精彩點我！

文章出處：【微信公眾號：RTThread物聯網操作系統】歡迎添加關注！文章轉載請注明出處。