撕开黑幕！AI担任拳击比赛裁判；思维导图&工程图表工具大合辑；CVPR视觉-语言的预训练最新进展；游戏开发资源列表；前沿论文 | ShowMeAI资讯日报

👀日报合辑 | 📆电子月刊 | 🔔公众号下载资料 | 🍩@韩信子

📢 DeepStrike：人工智能担任拳击比赛裁判

https://superinnovators.com/2022/10/ai-boxing-judge/

拳击评分容易出现人为错判、腐败或法官带有偏见的故意操纵。2016 年里约奥运会拳击锦标赛就被调查发现了贿赂的证据。丹麦初创公司 Jabbr 的机器学习工程师开发了一个名为 DeepStrike 的 AI 模型，自动分析了使用摄像头分析拳击比赛的性能。

DeepStrike 使用深度学习来衡量 50 个指标，包括出拳类型、出拳落点、质量、步法、侵略性、压力等。这项创新可用于取代拳击裁判，确保结果公平，也可以为运动员提供训练数据统计与分析，帮助提升运动员成绩。

工具&框架

🚧 『WeTextProcessing』为中文设计的文本规则化和文本反规则化工具包

https://github.com/wenet-e2e/WeTextProcessing

WeTextProcessing 是一个为中文设计的，可以把文本规则化（比如一些阿拉伯数字的日期、时间和数量转化为中文）和反规则化的工具包。

🚧 『Python Outlier Detection Thresholding (PyThresh)』 Python离群点检测阈值决策库

https://github.com/KulikDM/pythresh

PyThresh 是一个 Python 工具包，用于对单变量/多变量数据中的离群点检测分数进行阈值化。它可以与 PyOD 协同工作，具有类似的语法和数据结构，区别在于 PyThresh 是用来对离群点检测产生的分数进行阈值处理的，它不需要设置边界阈值，也无需定义异常值数量。

这个工具库下的离群点检测分数遵循这个规则：分数越高，它是数据集中的离群点的概率就越高。所有的阈值函数都返回一个二进制数组，其中 liers 和 outliers 分别用 0 和 1 表示。

PyThresh 包括 30 多种阈值处理算法。这些算法的范围从使用简单的统计分析（如Z-score）到涉及图论和拓扑学的更复杂的数学方法。

🚧 『Zshot』零样本和少样本命名实体识别与关系识别

https://github.com/IBM/zshot

https://ibm.github.io/zshot/

Zshot 是一个高度可定制的框架，用于零样本和少样本的命名实体识别。可以在指代抽取、将文本指代与维基百科中的实体联系起来等场景发挥作用。