会员
虚拟偶像AI实现
更新时间：2023-09-26 18:52:12 最新章节：参考文献
书籍简介
本书从虚拟偶像的发展历程和制作流程入手，通过通俗的语言和多方位的视角，介绍了2D\3D建模工具和深度学习框架TensorFlow与Pytorch在虚拟偶像制作中的应用，原理与实践并重，同时结合大量实际范例讲解如何建模、AI表情动作迁移以及人机交互等制作虚拟偶像的完整流程。从拟真人的人物建模到表情动作的实时捕捉，再到传输到动作引擎中驱动人物动作，向读者展现了人工智能技术的强大与魅力。本书深入浅出，实操性和系统性强，适合有一定IT背景并对虚拟产业关注的广大读者使用。
品牌：清华大学
上架时间：2022-02-01 00:00:00
出版社：清华大学出版社
本书数字版权由清华大学提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
同类热门书
最新上架
- 会员本书介绍提示工程的基本概念和实践，旨在帮助读者了解如何构建高质量的提示内容。内容包括：认识大语言模型、ChatGPT应用体验、ChatGPTAPI、PythonChatGPTAPI库、提示工程、提示类型、基于提示工程应用Python数据分析等。计算机14万字
- 会员本书内容从技能线和工具线展开介绍。其中，技能线介绍了虚拟数字人的技术原理、商业价值、创建工具等基础内容，以及AI文案、AI绘画、虚拟数字人及其直播、AI视频博主、AI带货主播、AI培训讲师等实操案例。工具线介绍了ChatGPT、StableDiffusion、腾讯智影、剪映等工具的使用方法，并通过实例介绍了使用这些工具制作数字人的技巧。计算机7.1万字
- 会员本书共分为10章，涵盖了贝叶斯概率、概率估计、贝叶斯分类、随机场、参数估计、机器学习、深度学习、贝叶斯网络、动态贝叶斯网络、贝叶斯深度学习等。本书涉及的应用领域包含机器学习、图像处理、语音识别、语义分析等。计算机0字
- 会员本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分：第一部分习题对应《机器学习》第1~10章的内容，包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含6章应用专题，通过综合题的形式对知识点进行多角度考查，包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络计算机19.3万字
- 会员本书通过13章的探讨，带领读者踏上项目管理卓越之路。第1章“人工智能颠覆与重塑项目管理”，首先揭示了人工智能对项目管理的深刻影响和带来的机遇与挑战。紧接着，第2章至第13章依次介绍了使用ChatGPT编写各种文档、在项目启动中的应用、帮助组建高效团队、辅助项目沟通管理、项目计划与管理、项目成本管理、项目时间管理、项目质量管理、项目风险管理、辅助采购计划与采购流程、辅助项目绩效管理以及进行项目总结等计算机16.6万字
- 会员本书由科大讯飞与中国科大的大模型的资深专家联合撰写，一本书打通大模型的技术原理与应用实践壁垒，深入大模型3步工作流程，详解模型微调、对齐优化、提示工程等核心技术及不同场景的微调方案，全流程讲解6个典型场景的应用开发实践。本书共10章，从逻辑上分为“基础知识”“原理与技术”“应用开发实践”三部分。基础知识（第1章）介绍大模型定义、应用现状、存在的问题，以及发展趋势。原理与技术（第2和3章）详细讲解大计算机12.3万字
- 会员本书从技术、应用和产业3个维度为切入点，对智能语音语义领域相关的热点和趋势展开研究。本书以“人与机器的对话”开篇，讲述人类语音生成、传播和感知的过程，引发对于机器智能语音听说的思考，进而阐述技术探索发展史；然后，分析了以语音交互为核心的技术现状，综合剖析提出全双工、端到端模型构建、语音假冒攻击等热点；其次，从政策、投融资和产业规模上，分析整体智能语音产业环境，纵观国内外企业在相关技术和产品上的积极计算机13.6万字
- 会员本书共16章，内容包括人工智能、OpenAI、ChatGPT的概述及其操作技巧。生动展示了ChatGPT在教育与学术、商业管理、新媒体、办公、求职等12个领域的实际运用，同时探讨了ChatGPT当前面临的挑战以及大模型的未来发展方向。计算机12万字
同类书籍最近更新
- 会员本书从一个完全不了解机器学习的程序员的视角出发，通过一系列生动有趣的具体应用实例，运用诙谐的语言以循序渐进的方式比较系统地介绍机器学习的本质思想、基本理论和重要算法，比较细致地剖析线性模型、感知机模型、浅层神经网络、深度神经网络的设计原理与编程方法，引导读者亲自动手从零开始打造和完善机器学习的底层代码，逐步消除对机器学习算法原理的认知盲点，让广大初学者能够较为轻松地掌握机器学习和深度学习的基本理论人工智能15.6万字
- 会员机器学习算法评估力求用科学的指标，对机器学习算法进行完整、可靠的评价。本书详细介绍机器学习算法评估的理论、方法和实践。全书分为3个部分。第1部分包含第1章～第3章，针对分类算法、回归算法和聚类算法分别介绍对应的基础理论和评估方法；第2部分包含第4章～第8章，介绍更复杂的模型（如深度学习模型和集成树模型）的对比与评估，并且针对它们实际应用的业务场景介绍一些特有的评估指标和评估体系；第3部分包含第9人工智能12.3万字