입만 움직여도 놀 수 있어요! AI를 사용하여 캐릭터를 바꾸고 적을 공격하십시오. 네티즌: '아야카, 카미리류 프로스트 파괴를 사용하세요.'
지난 2년 동안 전 세계적으로 인기를 얻은 국내 게임의 경우 Genshin Impact가 단연 1위에 올랐습니다.
지난 5월 발표된 올해 1분기 모바일게임 매출 조사 보고서에 따르면 '원신임팩트'가 5억6700만달러의 절대우위로 카드드로잉 모바일게임 부문 1위를 굳건히 차지했다고 밝혔다. ”는 출시 후 단 18개월 만에 모바일 플랫폼의 총 수익이 30억 달러(약 130억 링깃)를 넘어섰습니다.
이제 Xumi 오픈 전 마지막 2.8 아일랜드 버전이 기한이 지났습니다. 오랜 드래프트 기간을 거쳐 마침내 새로운 플롯과 플레이할 영역이 생겼습니다.
하지만 "간 황제"가 몇 명이나 있는지 모르겠습니다. 이제 섬을 완전히 탐험하고 나니 다시 풀이 자라기 시작했습니다.
보물상자 182개 + 모라상자 1개(별매)가 있습니다.
생육기간 걱정할 필요도 없고, 원신 임팩트 구역 마무리 작업도 절대 부족하지 않습니다.
아니요, 긴 잔디 기간 동안 일부 플레이어는 XVLM+wenet+STARK를 사용하여 Genshin Impact를 플레이하기 위한 음성 제어 프로젝트를 만들었습니다.
예를 들어 "Tactics 3을 사용하여 중앙에 있는 불 슬라임을 공격하세요"라고 말하면 Zhongli가 먼저 방패를 사용하고 Ling Hua가 한 단계 이동한 다음 "죄송합니다"라고 말하면 그룹은 4개의 불 슬라임을 파괴했습니다.
마찬가지로 "중간에 있는 큰 Qiuqiu 사람들을 공격하라"고 말한 후 Diona는 E를 사용하여 방패를 설치했고 Ling Hua는 이어서 E를 사용했으며 3A는 두 명의 큰 Qiuqiu 사람들을 아름답게 제거했습니다.
왼쪽 하단에 보이는데, 모든 과정이 손을 사용하지 않고 이루어집니다.
다이제스트 미생물학은 자신이 전문가이고 앞으로 책을 쓸 때 손을 아끼겠다고 하더군요. 또한 엄마들이 더 이상 원신임팩트를 플레이하면 건막염에 대해 걱정할 필요가 없다고 말했습니다!
현재 프로젝트는 GitHub에서 오픈 소스로 공개되었습니다:
GitHub 링크:
https://github.com/7eu7d7/genshin_voice_play
좋은 겐신 임팩트, 그는 실제로 포켓몬처럼 플레이되었습니다
평생 프로젝트는 자연스럽게 많은 Genshin Impact 플레이어의 관심을 끌었습니다.
예를 들어 일부 플레이어는 디자인이 보다 중립적이고 캐릭터 이름과 스킬 이름을 직접 사용할 수 있다고 제안했습니다. 결국 관객은 "택틱스 3", "중리, 지구의 중심을 이용하세요." 게임 경험에 쉽게 빠져들 수 있습니다.
일부 네티즌들은 몬스터에게 지시를 내릴 수 있으니, "거북이, 서리 파괴를 사용해라" 등의 음성 명령도 캐릭터에게 줄 수 있다고 하더군요.
turtle daily 의심.jpg
그런데 이 지침이 왜 그렇게 친숙해 보일까요?
이에 대해 업 오너 '슈뢰딩거의 무지개 고양이'는 샤우팅 스킬의 속도가 따라가지 못할 수도 있고, 공격 속도도 느려질 수 있어 세트를 미리 설정해둔다고 합니다.
그러나 "Wanda International", "Lei Jiuwan Ban"과 같은 일부 클래식 팀의 출력 방식은 상대적으로 고정되어 있으며 미리 설정된 공격 시퀀스 및 모드가 작동하는 것 같습니다.
물론 네티즌들은 밈을 만드는 것 외에도 브레인스토밍을 하고 많은 최적화 제안을 제시하고 있습니다.
예를 들어, 1번 위치에 있는 캐릭터의 움직임을 확대하려면 "1Q"를 직접 사용하고, 강한 공격을 표현하려면 "heavy"를 사용하고, 회피하려면 "dodge"를 사용하여 지시를 내리는 것이 더 쉽고 빠릅니다. 심연에 맞서 싸우는 데에도 사용될 수 있습니다.
일부 전문가 플레이어는 이 AI가 "환경을 잘 이해하지 못하는 것 같다"고 "다음 단계는 SLAM을 추가하여 360도 전방위 표적 탐지를 달성하는 것을 고려하는 것"이라고 말했습니다.
업 소유자는 다음 단계는 "브러싱, 텔레포트, 몬스터 처치, 보상 받는 과정을 완전히 자동화하는 것"이라고 말했습니다. 성물을 자동으로 강화하는 기능도 추가할 수 있을 것 같습니다. AI가 비뚤어진 경우 포맷하십시오.
원신 임팩트의 열성적인 그루밍 업 오너가 "테바트 낚시 가이드"도 출간했습니다
다이제스트 매거진이 말했듯이 원신 임팩트에는 그루밍 작업이 부족하지 않으며, 이 업 오너는 "슈뢰딩거의 무지개"입니다. 고양이'는 아마도 그 중에서 가장 '하드코어'일 것이다.
"AI 자동 미로 배치"부터 "AI 자동 수행"까지, Genshin Impact가 제작하는 모든 미니 게임은 가능한 한 AI라고 할 수 있습니다.
그 중 Digest Fungus는 "AI 자동 낚시" 프로젝트도 발견했습니다(좋은 사람은 바로 당신임이 밝혀졌습니다). 프로그램을 시작하기만 하면 Teyvat에 있는 모든 물고기를 수확할 수 있습니다.
Genshin Impact 자동 낚시 AI는 YOLOX와 DQN의 두 부분으로 구성됩니다.
YOLOX는 물고기의 위치와 유형, 낚싯대의 착륙 지점 위치를 식별하는 데 사용됩니다. 낚시 과정의 클릭을 적응적으로 제어하고, 강도를 최적 영역 내에 떨어지게 합니다.
또한 이 프로젝트에서는 훈련을 위해 전이 학습과 준지도 학습도 사용합니다. 또한 이 모델에는 opencv와 같은 전통적인 디지털 이미지 처리 방법을 사용하여 구현되는 학습 불가능한 부분도 포함되어 있습니다.
프로젝트 주소 :
https://github.com/7eu7d7/genshin_auto_fish
3.0 업데이트 후에도 낚시로 획득한 "젓갈활"이 필요하시다면 맡겨두겠습니다!
원신 임팩트를 포켓몬으로 만든 "아티팩트"
진지한 사람으로서 Dictionary Fungus는 이 원신 임팩트 음성 프로젝트에 사용된 "아티팩트" 중 일부를 모든 사람에게 소개할 필요가 있다고 생각합니다.
X-VLM은 VLM(시각적 언어 모델)을 기반으로 하는 다중 입도 모델로, 이미지 인코더, 텍스트 인코더 및 크로스 모달 인코더로 구성됩니다. 크로스 모달 인코더는 시각적 기능과 언어 기능 간을 수행합니다. -시각적 언어 정렬을 배우기 위한 모달 주의.
다중 세분화 정렬을 학습하는 핵심은 X-VLM을 최적화하는 것입니다. 1) 경계 상자 회귀 손실과 IoU 손실을 결합하여 관련 텍스트가 제공된 이미지의 시각적 개념을 지역화합니다. 2) 대비 손실, 일치 손실 및 마스킹을 동시에 사용합니다. 텍스트와 시각적 개념의 다단계 정렬을 위한 언어 모델링 손실.
미세 조정 및 추론에서 X-VLM은 학습된 다중 입도 정렬을 활용하여 입력 이미지에 경계 상자 주석을 추가하지 않고도 다운스트림 V+L 작업을 수행할 수 있습니다.
문서 링크:
https://arxiv.org/abs/2111.08276
WeNet은 단일 모델에서 통합된 2단계 음성 인식 툴킷을 도입합니다. (U2) 프레임워크 및 내장 런타임으로 스트리밍 및 비스트리밍 디코딩 모드를 처리합니다.
올해 7월 초 WeNet은 버전 2.0을 출시했으며 4가지 측면에서 업데이트되었습니다.
U2++: 오른쪽에서 왼쪽 주의 디코더를 포함한 양방향 주의 디코더를 갖춘 통합 듀얼 채널 프레임워크 표현 능력을 향상시키기 위한 미래 상황 정보 공유 인코더 및 재채점 단계의 성능
프로덕션 시나리오에서 서식 있는 텍스트 데이터의 사용을 촉진하기 위해 n-gram 기반 언어 모델 및 WFST 기반 디코더를 도입했습니다.
사용자별 컨텍스트를 활용하여 "LM 포함" 및 "LM 제외" 시나리오 모두에서 생산에 대한 신속한 적응성을 제공하고 ASR 정확도를 향상시키는 통합 컨텍스트 바이어스 프레임워크를 설계했습니다. 모델 훈련.
그 결과, WeNet 2.0은 기존 WeNet에 비해 다양한 말뭉치에서 최대 10%의 상대 인식 성능 향상을 달성했습니다.
페이퍼 링크: https://arxiv.org/pdf/2203.15455.pdf
STARK는 시각적 추적을 위한 시공간 변환 네트워크입니다. 컨벌루션 백본, 코덱 변환기 및 경계 상자 예측 헤드로 구성된 기준을 기반으로 STARK는 3가지 개선 사항을 적용했습니다.
동적 업데이트 템플릿: 중간 프레임을 동적 템플릿으로 사용하여 입력에 추가합니다. 동적 템플릿은 모양 변화를 캡처하고 추가 시간 영역 정보를 제공할 수 있습니다.
점수 헤드: 동적 템플릿이 현재 업데이트되었는지 확인합니다.
훈련 전략 개선: 훈련을 두 단계로 나눕니다. 1) 점수 헤드 외에 기준 손실을 사용합니다. 기능 열차. 모든 검색 이미지에 대상이 포함되어 있는지 확인하고 템플릿에 위치 지정 기능이 있는지 확인합니다. 2) 교차 엔트로피를 사용하여 점수 헤드만 최적화하고 모델이 위치 지정 및 분류 기능을 가질 수 있도록 이때 다른 매개변수를 고정합니다.
문서 링크:
https://openaccess.thecvf.com/content/ICCV2021/papers/Yan_Learning_Spatio-Temporal_Transformer_for_Visual_Tracking_ICCV_2021_paper.pdf
위 내용은 입만 움직여도 놀 수 있어요! AI를 사용하여 캐릭터를 바꾸고 적을 공격하십시오. 네티즌: '아야카, 카미리류 프로스트 파괴를 사용하세요.'의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











기존 컴퓨팅을 능가할 뿐만 아니라 더 낮은 비용으로 더 효율적인 성능을 달성하는 인공 지능 모델을 상상해 보세요. 이것은 공상과학 소설이 아닙니다. DeepSeek-V2[1], 세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. DeepSeek-V2는 경제적인 훈련과 효율적인 추론이라는 특징을 지닌 전문가(MoE) 언어 모델의 강력한 혼합입니다. 이는 236B 매개변수로 구성되며, 그 중 21B는 각 마커를 활성화하는 데 사용됩니다. DeepSeek67B와 비교하여 DeepSeek-V2는 더 강력한 성능을 제공하는 동시에 훈련 비용을 42.5% 절감하고 KV 캐시를 93.3% 줄이며 최대 생성 처리량을 5.76배로 늘립니다. DeepSeek은 일반 인공지능을 연구하는 회사입니다.

AI는 실제로 수학을 변화시키고 있습니다. 최근 이 문제에 주목하고 있는 타오저쉬안(Tao Zhexuan)은 '미국수학회지(Bulletin of the American Mathematical Society)' 최신호를 게재했다. '기계가 수학을 바꿀 것인가?'라는 주제를 중심으로 많은 수학자들이 그들의 의견을 표현했습니다. 저자는 필즈상 수상자 Akshay Venkatesh, 중국 수학자 Zheng Lejun, 뉴욕대학교 컴퓨터 과학자 Ernest Davis 등 업계의 유명 학자들을 포함해 강력한 라인업을 보유하고 있습니다. AI의 세계는 극적으로 변했습니다. 이 기사 중 상당수는 1년 전에 제출되었습니다.

이전에 작성했던 오늘은 딥 러닝 기술이 복잡한 환경에서 비전 기반 SLAM(동시 위치 파악 및 매핑)의 성능을 향상할 수 있는 방법에 대해 논의합니다. 심층 특징 추출과 깊이 일치 방법을 결합하여 저조도 조건, 동적 조명, 질감이 약한 영역 및 심한 지터와 같은 까다로운 시나리오에서 적응을 향상하도록 설계된 다목적 하이브리드 시각적 SLAM 시스템을 소개합니다. 우리 시스템은 확장 단안, 스테레오, 단안 관성 및 스테레오 관성 구성을 포함한 여러 모드를 지원합니다. 또한 시각적 SLAM을 딥러닝 방법과 결합하여 다른 연구에 영감을 주는 방법도 분석합니다. 공개 데이터 세트 및 자체 샘플링 데이터에 대한 광범위한 실험을 통해 위치 정확도 및 추적 견고성 측면에서 SL-SLAM의 우수성을 입증합니다.

Google이 추진하는 JAX의 성능은 최근 벤치마크 테스트에서 Pytorch와 TensorFlow를 능가하여 7개 지표에서 1위를 차지했습니다. 그리고 JAX 성능이 가장 좋은 TPU에서는 테스트가 이루어지지 않았습니다. 개발자들 사이에서는 여전히 Tensorflow보다 Pytorch가 더 인기가 있습니다. 그러나 앞으로는 더 큰 모델이 JAX 플랫폼을 기반으로 훈련되고 실행될 것입니다. 모델 최근 Keras 팀은 기본 PyTorch 구현을 사용하여 세 가지 백엔드(TensorFlow, JAX, PyTorch)와 TensorFlow를 사용하는 Keras2를 벤치마킹했습니다. 첫째, 그들은 주류 세트를 선택합니다.

Boston Dynamics Atlas가 공식적으로 전기 로봇 시대에 돌입했습니다! 어제 유압식 Atlas가 역사의 무대에서 "눈물을 흘리며" 물러났습니다. 오늘 Boston Dynamics는 전기식 Atlas가 작동 중이라고 발표했습니다. 상업용 휴머노이드 로봇 분야에서는 보스턴 다이내믹스가 테슬라와 경쟁하겠다는 각오를 다진 것으로 보인다. 새 영상은 공개된 지 10시간 만에 이미 100만 명이 넘는 조회수를 기록했다. 옛 사람들은 떠나고 새로운 역할이 등장하는 것은 역사적 필연이다. 올해가 휴머노이드 로봇의 폭발적인 해라는 것은 의심의 여지가 없습니다. 네티즌들은 “로봇의 발전으로 올해 개막식도 인간처럼 생겼고, 자유도도 인간보다 훨씬 크다. 그런데 정말 공포영화가 아닌가?”라는 반응을 보였다. 영상 시작 부분에서 아틀라스는 바닥에 등을 대고 가만히 누워 있는 모습입니다. 다음은 입이 떡 벌어지는 내용이다

이달 초 MIT와 기타 기관의 연구자들은 MLP에 대한 매우 유망한 대안인 KAN을 제안했습니다. KAN은 정확성과 해석성 측면에서 MLP보다 뛰어납니다. 그리고 매우 적은 수의 매개변수로 더 많은 수의 매개변수를 사용하여 실행되는 MLP보다 성능이 뛰어날 수 있습니다. 예를 들어 저자는 KAN을 사용하여 더 작은 네트워크와 더 높은 수준의 자동화로 DeepMind의 결과를 재현했다고 밝혔습니다. 구체적으로 DeepMind의 MLP에는 약 300,000개의 매개변수가 있는 반면 KAN에는 약 200개의 매개변수만 있습니다. KAN은 MLP와 같이 강력한 수학적 기반을 가지고 있으며, KAN은 Kolmogorov-Arnold 표현 정리를 기반으로 합니다. 아래 그림과 같이 KAN은

표적 탐지는 자율주행 시스템에서 상대적으로 성숙한 문제이며, 그 중 보행자 탐지는 가장 먼저 배포되는 알고리즘 중 하나입니다. 대부분의 논문에서 매우 포괄적인 연구가 수행되었습니다. 그러나 서라운드 뷰를 위한 어안 카메라를 사용한 거리 인식은 상대적으로 덜 연구되었습니다. 큰 방사형 왜곡으로 인해 표준 경계 상자 표현은 어안 카메라에서 구현하기 어렵습니다. 위의 설명을 완화하기 위해 확장된 경계 상자, 타원 및 일반 다각형 디자인을 극/각 표현으로 탐색하고 인스턴스 분할 mIOU 메트릭을 정의하여 이러한 표현을 분석합니다. 제안된 다각형 형태의 모델 fisheyeDetNet은 다른 모델보다 성능이 뛰어나며 동시에 자율 주행을 위한 Valeo fisheye 카메라 데이터 세트에서 49.5% mAP를 달성합니다.

테슬라의 로봇 옵티머스(Optimus)의 최신 영상이 공개됐는데, 이미 공장에서 작동이 가능한 상태다. 정상 속도에서는 배터리(테슬라의 4680 배터리)를 다음과 같이 분류합니다. 공식은 또한 20배 속도로 보이는 모습을 공개했습니다. 작은 "워크스테이션"에서 따고 따고 따고 : 이번에 출시됩니다. 영상에는 옵티머스가 공장에서 이 작업을 전 과정에 걸쳐 사람의 개입 없이 완전히 자율적으로 완료하는 모습이 담겨 있습니다. 그리고 Optimus의 관점에서 보면 자동 오류 수정에 중점을 두고 구부러진 배터리를 집어 넣을 수도 있습니다. NVIDIA 과학자 Jim Fan은 Optimus의 손에 대해 높은 평가를 했습니다. Optimus의 손은 세계의 다섯 손가락 로봇 중 하나입니다. 가장 능숙합니다. 손은 촉각적일 뿐만 아니라
