打车程序致莫斯科交通堵塞 @滴滴；JavaScript热门面试问题集锦；升职加薪的10个诀窍；提升图像分辨率的工具；前沿论文 | ShowMeAI资讯日报
📢 黑客攻击打车程序，将所有可用出租车送到俄罗斯同一地点，造成巨大的交通堵塞
上周四，黑客攻击了俄罗斯最大的出租车应用程序 Yandex，命令所有可用的出租车前往莫斯科市中心 Kutuzovsky Prospekt，造成了严重的交通堵塞。Yandex 公司在给 Forbes.ru 的声明中证实了这一事件的真实性，并表示相关技术漏洞已修复。
这！就不免联想到上个月北京的相似一幕啊。8月13日晚，某打车平台推出『周末打车免单』活动，引发了数千辆网约车涌向北京西单，造成了市中心热门商圈交通瘫痪。事后公司发布道歉称『对活动效果评估不足，策划很糟糕』。两起事件对照来看，更让我们清楚了互联网平台的召集能力，以及数据安全的重要性。
对吧，滴滴。
工具&框架
🚧 『Upscayl』跨平台的图像分辨率提升工具
Upscayl 是基于 Linux 构建的跨平台应用程序，可以将图像转换至更高分辨率，适用于Linux、MacOS 和 Windows。不过，需要注意的是，Upscayl 在没有 GPU 的情况下无法工作。你需要一个兼容 Vulkan 的 GPU 来升级图像的分辨率。CPU 或 iGPU 都将无法运行这个工具。
🚧 『d3graph』创建基于 d3 javascript 的交互式独立网络
d3graph 是一个基于 D3 构建的 Python 库，用于创建了一个独立的、交互式的力导向网络图。输入数据支持格式包括 Pandas Dataframe 形式的邻接矩阵，网络节点和边可以根据用户定义的参数来调整权重、颜色等，输出是一个包含交互式力导向图的 HTML 文件。
🚧 『YOLOv7 object tracking』使用 PyTorch、OpenCV 和 Sort Tracking的 YOLOv7 物体跟踪
基于PyTorch、OpenCV 和 Sort Tracking 实现的 YOLOv7 物体跟踪，支持为每条轨迹添加标签。代码可以同时运行在 CPU 和 GPU 上，支持视频/网络摄像机/外部摄像机/IP流等输入源。
🚧 『frouros』机器学习(数据)漂移检测库
frouros.readthedocs.io/en/latest/
Frouros 是一个用于机器学习漂移问题检测的 Python 库。Frouros提供了经典与较新的漂移检测算法的组合，包括监督和非监督以及一些半监督算法。工具库具备很好的特性：
- ① 能够很容易地与 scikit-learn 库集成到机器学习模型开发管道中。
- ② 将概念漂移检测、适应的部分（传统上研究并用于流/进化数据流和增量学习）与协变量分布的变化检测研究（也称为数据转移，与统计双样本测试领域和测量分布间距离的方法有关）统一在一个库中。
🚧 『Model Compression Toolkit (MCT)』模型压缩工具包，用于在受限硬件下高效优化神经网络模型
Model Compression Toolkit（MCT）是一个开源工具，用于高效、硬件资源有限下的神经网络模型优化。该工具为研究人员、开发人员和工程师提供先进的量化和压缩工具，用于部署最先进的神经网络。
博文&分享
👍 『10 Ways to Increase Your Chances and Get More Opportunities at Work』获得更多工作机会的 10 种方法
作者总结了职业生涯发展过程中学到的一些技巧或者观察结果，未必放诸四海而皆准，但对于很多情况有参考意义。
- 做激动人心的事，也要把平凡的事做出彩
- 做值得信任和依赖的员工和同事
- 思考多做点什么，能让团队和老板更容易完成他们的工作
- 管理承诺，对少数重要的事项作出承诺，并言而有信
- 主动沟通，创造机会，提前思考一两步
- 积极构建人脉网络，寻找交集
- 路径思维：做什么才能达到目的，找谁帮忙能更快地达到目的
- 适时地优雅拒绝
- 实时记录成长和更新简历
- 寻找并强化自己的竞争优势
👍 『Bayesian Non-linear Statistical Inverse Problems』贝叶斯非线性统计反问题 · 课程讲义
www.statslab.cam.ac.uk/~nickl/Site…
作者 Richard Nickl 2022年春季学期在瑞士苏黎世联邦理工数学系开设了研究生讲座，这份文档基于讲座内容整理而成，并整理了非常详实的附录。文档主体内容包含：
- 非线性统计反问题 / Non-linear statistical inverse problems
- 全局稳定性和后验一致性 / Global stability and posterior consistency
- 信息算子和曲率 / Information operators and curvature
- 伯恩斯坦-冯-米塞斯定理 / Bernstein-von Mises theorems
- Posteriors are probably log-concave
数据&资源
🔥 『JavaScript Questions』JavaScript 热门面试问题集锦
作者在这个项目中整理了155个 JavaScript 面试问题与答案，内容从基础到高级均有覆盖，并定期更新中。快来检测下你的 JavaScript 知识储备吧！
🔥 『laion 3d』3D数据集和建模相关资源列表
研究&论文
公众号后台回复关键字 日报，免费获取整理好的论文合辑。
科研进展
- 2022.07.11 『音频处理』 Audio-Visual Segmentation
- 2022.04.23 『计算机视觉』 NeuMan: Neural Human Radiance Field from a Single Video
- 2022.12.08 『动作识别』 Topology-aware Convolutional Neural Network for Efficient Skeleton-based Action Recognition
⚡ 论文：Audio-Visual Segmentation
论文时间：11 Jul 2022
领域任务：音频处理
论文作者：Jinxing Zhou, Jianyuan Wang, Jiayi Zhang, Weixuan Sun, Jing Zhang, Stan Birchfield, Dan Guo, Lingpeng Kong, Meng Wang, Yiran Zhong
论文简介：To deal with the AVS problem, we propose a novel method that uses a temporal pixel-wise audio-visual interaction module to inject audio semantics as guidance for the visual segmentation process./为了处理AVS问题，我们提出了一种新颖的方法，即利用时间上的像素级视听互动模块，注入音频语义作为视觉分割过程的指导。
论文摘要：我们提议探索一个新的问题，称为视听分割（AVS），其目标是输出图像帧时产生声音的对象的像素级地图。为了促进这项研究，我们构建了第一个视听分割基准（AVSBench），为有声视频中的发声物体提供像素级的注释。用这个基准研究了两种设置。1）单声源的半监督视听分割；2）多声源的全监督视听分割。为了处理AVS问题，我们提出了一种新的方法，即使用时间上的像素化视听互动模块来注入音频语义作为视觉分割过程的指导。我们还设计了一个正则化损失，以鼓励训练期间的视听映射。在AVSBench上进行的定量和定性实验将我们的方法与相关任务中的几种现有方法进行了比较，表明所提出的方法在音频和像素级视觉语义之间建立了一座桥梁。代码可在 github.com/OpenNLPLab/… 获取。
⚡ 论文：NeuMan: Neural Human Radiance Field from a Single Video
论文时间：23 Mar 2022
领域任务：计算机视觉
论文作者：Wei Jiang, Kwang Moo Yi, Golnoosh Samei, Oncel Tuzel, Anurag Ranjan
论文简介：Photorealistic rendering and reposing of humans is important for enabling augmented reality experiences./对人体进行逼真的渲染和摆放对于实现增强现实体验非常重要。
论文摘要：人体的逼真渲染和摆放对于实现增强现实体验非常重要。我们提出了一个新的框架来重建人类和场景，可以用新的人类姿势和视图从一个单一的野外视频中进行渲染。给定一个由移动摄像机拍摄的视频，我们训练两个NeRF模型：一个人类NeRF模型和一个场景NeRF模型。为了训练这些模型，我们依靠现有的方法来估计人类和场景的粗糙几何。这些粗略的几何估计使我们能够创建一个从观察空间到典型姿势无关的空间的翘曲场，我们在那里训练人类模型。我们的方法能够从短短10秒的视频片段中学习特定的主题细节，包括布的皱纹和配件，并从新的视角提供新姿势下的人体和背景的高质量渲染。
⚡ 论文：Topology-aware Convolutional Neural Network for Efficient Skeleton-based Action Recognition
论文时间：8 Dec 2021
领域任务：Action Recognition, Skeleton Based Action Recognition, 动作识别, 基于骨架的动作识别
论文作者：Kailin Xu, Fanfan Ye, Qiaoyong Zhong, Di Xie
论文简介：In particular, we develop a novel cross-channel feature augmentation module, which is a combo of map-attend-group-map operations./特别的，我们开发了一个新的跨通道特征增强模块，它是一个地图-附加-群组-地图操作的组合。
论文摘要：在基于骨架的动作识别方面，图卷积网络（GCNs）得到了迅速发展，而卷积神经网络（CNNs）则受到了较少关注。其中一个原因是CNN被认为对不规则的骨架拓扑结构建模能力差。为了缓解这一局限性，我们在本文中提出了一种名为拓扑感知的CNN（Ta-CNN）的纯CNN架构。特别的，我们开发了一个新的跨通道特征增强模块，它是一个地图-附加-组-地图操作的组合。通过将该模块应用于坐标级和联合级，拓扑特征得到有效增强。值得注意的是，我们从理论上证明，当联合维度被视为通道时，图卷积是普通卷积的一个特例。这证实了GCNs的拓扑建模能力也可以通过使用CNN来实现。此外，我们创造性地设计了一个SkeletonMix策略，以独特的方式混合两个人，并进一步提高了性能。我们在四个广泛使用的数据集，即N-UCLA、SBU、NTU RGB+D和NTU RGB+D 120上进行了广泛的实验，以验证Ta-CNN的有效性。我们大大超过了现有的基于CNN的方法。与领先的基于GCN的方法相比，我们在所需的GFLOPs和参数方面的复杂性要小得多，达到了相当的性能。
我们是 ShowMeAI，致力于传播AI优质内容，分享行业解决方案，用知识加速每一次技术成长！
◉ 点击 日报合辑，在公众号内订阅话题 #ShowMeAI资讯日报，可接收每日最新推送。
◉ 点击 电子月刊，快速浏览月度合辑。
