Reimplemented HDRNet model aka Deep Bilateral Learning for Real-Time Image Enhancements in PyTorch
https://github.com/creotiv/hdrnet-pytorch

Now you dont need to fuck you brain off compiling cuda operations in TF, and on my machine it works even faster then original implementation

Awesome python wrapper for RANSAC
Examples:
https://github.com/ducha-aiki/pyransac/blob/master/examples/how-to-use-detailed.ipynb

That's fucken awesome result of Video Style Transfer https://dcgi.fel.cvut.cz/home/sykorad/ebsynth.html

Example of how deep fake can save the world)
https://www.youtube.com/watch?v=Y1HGgICqZ3c

U-GAT-IT: new model for unpaired image-to-image translation. New SOTA in unsupervised image generation

https://arxiv.org/abs/1907.10830

https://github.com/taki0112/UGATIT

Nice work on how to sync different videos
https://ai.googleblog.com/2019/08/video-understanding-using-temporal.html

NeuPDE: Neural Network Based Ordinary and Partial Differential Equations for Modeling Time-Dependent Data

https://arxiv.org/pdf/1908.03190.pdf

JPEG Artifacts removal with Wavelet transforms
Very good result (from what i saw)
https://sci-hub.tw/10.1109/ICIEA.2006.257369

Hey guys we are on the way to building our first online course on Machin Learning and need you help to find out best fit with your interests.

Which course would you be interested in?
public poll

PyTorch Basics + CV (Object detection) – 181
👍👍👍👍👍👍👍 35%

PyTorch Basics + Audio (Shazam like app or Music Generation) – 150
👍👍👍👍👍👍 29%

DataScience Basics + Recommendation Systems – 117
👍👍👍👍👍 23%

DataScience Basics + Tabled data prediction – 47
👍👍 9%

PyTorch Basics + CV (Style Transfer) – 24
👍 5%

👥 519 people voted so far.

HYBRID OPTICAL-ELECTRONIC CONVOLUTIONAL NEURAL NETWORKS FOR IMAGE CLASSIFICATION
http://www.computationalimaging.org/publications/hybrid-optical-electronic-convolutional-neural-networks/

Our guys just got mentioned by NVidia. Congrats to VideoGorillas team https://news.developer.nvidia.com/researchers-at-videogorillas-use-ai-to-remaster-archived-content-to-4k-resolution-and-above/

7 вересня у Києві пройде конференція Data Science fwdays'19!
http://bit.ly/2ZMZZTo

В Data Science середовищі зараз активно обговорюють революцію, яка за останній рік відбулася в NLP. Останні моделі на деяких бенчмарках показують себе краще, ніж human performance. І дуже круто, що люди, які безпосередньо причетні до цього, приїдуть до Києва.

На конференції Thomas Wolf (лід наукової команди у HuggingFace🤗) зробить оглядову доповідь з transfer learning у NLP, а Braden Hancock (Ph.D. в області комп'ютерних наук зі Стенфордського університету, який раніше працював в Google, Facebook і MIT) розповість про свій інструмент Snorkel.

Ще серед доповідачів:
📌Олександр Краковецький - керівник української IT компанії DevRain, кандидат комп'ютерних наук, розкаже про “чорний ящик” машинного навчання.
📌Маріанна Дячук - Data Science Lead у Women Who Code, у своїй доповіді “Applying deployment oriented mindset for building Machine Learning models” зачепить поширену проблему: як побудувати процес розробки моделей машинного навчання не забуваючи про їх деплой;
📌Денис Коваленко - Software інженер у Bolt, розкриє секрет як розробка Data Science платформи дозволяє компанії Bolt швидко зростати та робити застосування машинного навчання простим та надійним;
📌Кирил Трусковський з компанії Neuromation розкаже про Practical Few-Shot Learning;
📌Валерія Лакуста з Grammarly розкаже про автоматичне виявлення образливої мови - вкрай актуальна проблема, вирішити яку намагаються багато популярних соціальних платформ

Інші доповіді знайдете у програмі: https://fwdays.com/event/data-science-fwdays-2019#program-event

Крім цього, для поціновувачів живого спілкування, заплановані тематичні дискусії на hot теми:
📝Natural Language Processing
📝“Computer Vision”
📝“Data Scientist. Хто вiн i як ним стати?”
Читайте детальніше про DS дискусії у огляді: http://bit.ly/ds-fwdays-discussions

Впевнені, кожен знайде для себе цікаву тему для обговорення в компанії однодумців, тож не зволікайте та купуйте квиток на конференцію зі знижкою 15% за промокодом DS19-MLWORLD

А до кінця лiта діє акція “1 + 1 = 3”: при купівлі 2-х квитків третій отримуєте безкоштовно.
http://bit.ly/2ZMZZTo

TF-GAN: A lightweight GAN library for TensorFlow 2.0

Article: https://medium.com/tensorflow/introducing-tf-gan-a-lightweight-gan-library-for-tensorflow-2-0-36d767e1abae

https://github.com/tensorflow/gan

https://developers.google.com/machine-learning/gan/

https://arxiv.org/abs/1805.08318

DVD-GAN generating short video by one pass https://arxiv.org/abs/1907.06571

Face pose generation
https://arxiv.org/pdf/1908.07191.pdf