1

Scenimefy：将复杂的真实世界图像自动渲染成高质量的动漫场景

转换出来的图像既保留了原视频的内容，也有动漫的风格的技术。

项目地址：https://yuxinn-j.github.io/projects/Scenimefy.html

论文：https://arxiv.org/abs/2308.12968

源码：https://github.com/Yuxinn-J/Scenimefy

2

多个基于 CodeLlama 微调的模型能力超过 GPT4

开源模型 Phind-CodeLlama 和 WizardCoder 都是基于 Meta 最近开源的编程 LLM -- CodeLlama 微调的，他们在 Humaneval（https://paperswithcode.com/dataset/humaneval）测试集中，得分都超过了 GPT4 ( https://paperswithcode.com/dataset/humaneval）测试集中，得分都超过了 GPT4。

P.S. 保留对 Wizard 系列模型的质疑，这个团队比较喜欢 overfit 来提高自己的名声

WizardCoder：https://huggingface.co/WizardLM/WizardCoder-Python-34B-V1.0

3

InsightFace ：一个开源的面部分析库，主要用于 2D 和 3D 的面部识别、检测和对齐

主要支持：

• 面部识别：这个库支持多种先进的面部识别算法，比如 ArcFace 和 SubCenter ArcFace。这些算法能够准确地识别不同人的面部特征。

• 面部检测：InsightFace 也提供了高效的面部检测方法，如 RetinaFace 和 SCRFD。这些方法能够在图片或视频中准确地找出人脸的位置。

• 面部对齐：这个库还包括了用于面部对齐的算法，如 SDUNets 和 SimpleRegression。面部对齐通常用于调整面部的角度和位置，以便于后续的面部识别。

源码：https://github.com/deepinsight/insightface

网站：https://insightface.ai

4

Colink：生成明星语音的网站

哎呦，不错哦

传送门：https://colink.in/

5

微调 LLM 时，如何减轻遗忘现象的研究

论文发现与 LLAMA 相比，ALPACA 在持续微调过程中可以保持更多的知识和能力，这意味着通用指令调整可以帮助减轻 LLMs 在进一步微调过程中的遗忘现象。

论文：https://arxiv.org/abs/2308.08747