一分钟！图片生成32种动画；Adobe绘画工具大升级；复盘Kaggle首场LLM比赛；VR科普万字长文 | ShowMeAI日报

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！

🔥 Adobe Firefly 大升级！图像高清、操作便利，体验感拉满

https://firefly.adobe.com

Adobe Firefly 升级了，增加了很多定制化功能，模型能力也更强大了！生成图片的默认分辨率居然是2048*2048，远超一般图片平台的清晰度了。本次升级要点如下，使用魔法访问上方链接，就可以免费体验了！

1. 模型升级到 Firefly Image 2，可以创建更逼真的图像，图像质量更高

2. 支持图生图：相当于 Midjourney 垫图功能

3. 支持设置照片参数：可以像相机一样更改光圈、快门速度和视角等参数

4. 提供提示词建议，支持添加反向提示词，支持云储存生成的图片

5. 将鼠标放在生成的图片上，可以对图片进行二次编辑 ⋙ 官方博客

🧰 图片转动画在线AI工具，一分钟就可以做出32个动画

https://sketch.metademolab.com

前两天社群小伙伴找一个AI工具，用一张图片就可以做成动画。当时，整个群一起沉默了。。。不过！逛小红书时看到了「Animated Drawings」，完美满足需求！无需魔法，点击鼠标就可以让一张图片动起来，还能在32种动作类型中切换！

• 第1步：准备素材，注意四肢不与身体重叠，纯白背景，确保清晰度

• 第2步：上传图片并裁剪出角色

• 第3步：AI自动识别角色边界，将主体与背景分开

• 第4步：AI智能识别骨骼，可以调整绑定关节

• 第5步：系统预设了32种动画，点击可以查看角色动作

• 第6步：点击图像右下角标识，可以下载动画 .mp4 视频，找在线工具就可以转成 .gif 格式啦 ⋙ 小红书-视频教程

🧩 Kaggle 首场大模型比赛，金牌解决方案复盘

https://www.kaggle.com/competitions/kaggle-llm-science-exam

Kaggle 作为全球知名的数据科学比赛平台，也参与到了大模型浪潮当中，陆续上线 LLM 相关的比赛和主题分享。

今天要讲的这场比赛「LLM Science Exam」，设定与传统的大模型测评场景比较类似，即给定科学类题目和5个选项ABCDE，选出一个正确答案。

在 Kaggle 平台限制了计算资源、项目时间的情况下，全球大牛们各显神通，给出了不同思路的解决方案。前5名的大佬们用了哪些模型和处理技巧？各类模型表现排名如何？在这篇笔记里写得很清晰了 ⋙ 阅读原文

👀 Poe主流大模型测评榜单：GPT-4完胜，但有意外收获！

https://poe.com/bot_rankings

Poe 是一款聚合了海外主流大模型的AI聊天机器人应用，最近和SurgeAI合作对主流LLM进行了4个维度的评估：推理、和非英语流利程度、创造力性、写作。结果如上图所示，整体客观可信。

GPT-4 拿到了所有第1名，一如既往是「别人家的孩子」。不过，Google-PaLM 对非英语地支持能力排在第2名，Llama-2-70b 在创造性和写作测评中获得第3名，倒是让人耳目一新！值得多做一些模型应用尝试和摸索。测评原理可以访问上方 Poe 链接查看博文~

📜 AI会对HR工作产生哪些影响？这里有一份调查报告

国内外的人才平台和招聘平台正在陆续引进大模型功能。AI对招聘和求职将带来什么影响呢？HR和应聘者持乐观还是悲观态度呢？这份报告给出了1000+人的调研结果。整体来说，双方都对技术发展持乐观态度，但也担心AI偏见等导致的决策失误。

选出了几个调研的关键数据，完整报告和分析可以前往下方原文查看：

• 约 77% 的HR认为，AI很快就会足够先进，承担聘用决策的重任

• 约 89% 的受访者认为，AI可以帮助求职者完成申请流程

• 约 31% 的受访者同意由AI来决定他们是否被录用 ⋙ 阅读原文

📚 万字长文！VR 不完全科普指南，一文了解VR原理和前景

这是一篇易懂又全面的 VR (虚拟现实) 技术的科普文章，全面介绍了 VR 技术发展历史、核心原理和应用前景，读完可以对这一领域有着透彻的理解，跟上目前眼花缭乱的产品发布节奏。以下是文章要点，可以对照查看原文：

一、上帝的画笔：介绍了VR起源，它实现了让人类真正拿起创世神的画笔、描绘并体验虚拟世界的梦想

二、我们应该如何呈现世界

• 一块屏幕：介绍了VR中使用的显示屏技术的发展和优劣势

• 把光映入眼中：说明了VR利用凸透镜的原理实现近距离成像和视觉放大

• 沉浸感的实现：通过双屏幕呈现立体视差，利用人眼合成立体图像的原理

• 远近感知：讲解了人眼判断距离的生理机制，以及VR中利用眼动调节解决远近感知问题

三、世界应该如何与我们交互

• 空间定位：介绍了IMU和内外部摄像头追踪的工作原理

• 面部、眼动和手势追踪：说明了各种传感器实现面部追踪、眼动追踪和手势交互的技术

• 全彩透视：可以将VR捕捉真实环境，实现数字孪生等应用

四、把大象塞进冰箱的最后一步：对VR头显的核心部件如传感器、芯片进行概述

五、后记：总结了作者的写作心得，对VR技术发展的期待 ⋙ 阅读原文

📋 从VAE到DDPM，一文搞懂AIGC 图像生成模型的发展历程

AIGC 指的是人工智能生成内容 (AI Generated Content)，就是最近大火的基于AI生成文字、图片、视频、音频等。AIGC 生成图像的过程用到了 DALL-E、Stable Diffusion 等模型，它们都是基于Diffusion Model、特别是 Conditional DDPM 算法实现的。

这篇文章将原理、公式和代码结合在一起，展示了图像生成模型由简单到复杂的技术发展历程。如果你在学习 Diffusion Model 之前需要补充基础知识，记得回看这篇文章。

1. AE (AutoEncoder)：最基础的重构模型，通过编码器提取图片特征，解码器重构图片

2. VAE (Variational AutoEncoder)：在AE基础上，编码器输出是连续latent变量，使其服从某分布 (如高斯分布)，可以生成新的样本

3. CVAE (Conditional VAE)：在VAE基础上引入条件，可以控制生成结果

4. DDPM (Denoising Diffusion Probabilistic Model)：一种生成模型，将数据逐步添加高斯噪音，再逐步去噪重构，可以生成高质量样本

5. Conditional DDPM：在DDPM中引入条件，控制生成过程 ⋙ 阅读原文

📚 RLHF + Diffusion Models = ？一次很有意思的尝试！

https://www.tanishq.ai/blog/posts/ddpo.html

近年来,生成式AI主要有两大进展，一个是语言模型 (如ChatGPT、LLaMA-2)，另一个是图像生成模型 (如DALL-E、Stable Diffusion)。语言模型使用了强化学习中的人类反馈 (RLHF) 技术,使其更容易遵循指示。因此作者提出, RLHF 能否也应用于后者？

• 作者尝试将强化学习中的 DDPO 算法应用于Stable Diffusion等扩散模型，以优化生成图像的审美质量。具体来说，文章首先建立了将扩散模型形式化为马尔可夫决策过程的框架，然后推导出了DDPO的目标函数，并给出了完整的训练流程。

• 在ImageNet动物数据集上进行的实验表明，这种方法可以有效提升图像的视觉质量和美感。当然，由于奖励函数本身并不包含语义指示，所以有时生成的图像会偏离原始提示。

总体来说，这项工作展现了强化学习在提升生成模型表现方面的潜力！

感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！

订阅合集 #ShowMeAI日报，查看历史消息，接收每日最新推送; 点击公众号底部菜单栏，或者回复关键字 日报 ，可以获取独家AI发展趋势报告、原创AI专题资料合集等。

◉ 点击 👀日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！

◉ 点击 🎡生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！