model-vs-human
是一个用于评估人类视觉和机器视觉差距的Python工具箱。利用这个库,开发者可以在17个出乎意料的数据集上测试其机器学习模型,并与高质量的人类比较数据进行对比。该工具箱支持PyTorch和TensorFlow两大主流框架的模型。
在基准测试部分,项目列出了表现最接近人类行为的前十个模型及其在不同数据集上的表现差异。这些模型的排名基于对52个测试模型的全面评估得出。若开发者的新模型表现超过列表中的一些或全部模型,可通过提交请求来加入榜单。
其中,在“最类似人类行为”的测试中,ViT-22B-384模型名列第一,其在多项指标上表现优异如准确性差异和一致性。相反,标准的ResNet-50模型在榜单中名列底部。
而在“最高出乎分布(OOD)变形鲁棒性”的指标中,ViT-22B-224模型同样位居榜首。
项目的安装相对简单,使用Python3.8克隆项目至本地后,通过命令行设置项目路径并使用pip
安装即可。安装后,任何代码上的更改会直接反映在包中,方便进行模型的添加或修改。
用户只需编辑examples/evaluate.py
文件,就可以对一系列模型进行出乎分布数据集的测试,生成相应的图表。最终,这些图表可以编译成一个报告文件,方便查看和分析结果。
项目目前实现了多种不同类型的模型,包括20多个来自torchvision模型库的标准监督模型、5个自监督对比模型、3个SimCLR模型变体以及10个对抗性“鲁棒”模型等。用户可通过简单的代码加载这些模型,并利用工具箱提供的通用数据集进行测试。
对于加载特定模型,用户可选择PyTorch或TensorFlow两种框架,库也提供了方便的接口来 列出所有可用模型。
项目提供了17个在严格实验室条件下收集的人类比较数据的数据集。十二个数据集涉及参数化或二进制图像畸变,如色彩/灰度,对比度,模糊等。其余五个数据集则包括非参数化图像处理,如素描,边缘检测,轮廓等。
用户可以直接通过脚本调用这些数据集进行测试,首次使用时会自动下载所需数据。
项目的心理物理数据主要来自于Wichmann实验室,并且使用了多种现有数据集资源。感谢所有提供模型和数据集的作者和维护人员。
如果在研究中需要引用此项目,请使用以下格式:
@inproceedings{geirhos2021partial,
title={Partial success in closing the gap between human and machine vision},
author={Geirhos, Robert and Narayanappa, Kantharaju and Mitzkus, Benjamin and Thieringer, Tizian and Bethge, Matthias and Wichmann, Felix A and Brendel, Wieland},
booktitle={{Advances in Neural Information Processing Systems 34}},
year={2021},
}
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号