Обсуждение компьютерного зрения и речевых технологий

Разбор кейсов и размышления от спикеров Т-Банка, X5 Tech, SberDevices.

Доклады

Генерация иконок авто диффузионными моделями

Поток CV

На примере реального кейса разберем, как управлять цветом с точным соответствием HEX-кодам, как добиться единообразия стиля и сохранить характерные черты реальных автомобилей. Рассмотрим этапы доработки сгенерированных изображений для получения финальных иконок, готовых к практическому использованию.

Про оптимизации акустической модели за последний год

Поток Speech

Описание появится позже.

Обучение и использование LoRA адаптеров для диффузионных моделей

Поток CV

В докладе рассмотрим, что такое адаптеры и какие они бывают. Поговорим про сравнение различных LoRA адаптеров: преимущества и недостатки. Разберем примеры фреймворков для обучения и их особенности, как их обучать с ограниченными compute ресурсами.

Про нормализацию с использованием LLM

Поток Speech

Описание готовится.

Протоколы без боли: как мы делали автоматическое протоколирование в X5

Поток Speech

Артем расскажет о том, как в Х5 возникла идея продукта автоматизации построения протокола встреч по аудиозаписи с использованием существующих моделей и библиотек. Что попробовали в реализации, как выглядит архитектура сервиса и какие вызовы еще предстоит преодолеть.

VLM: история развития, обзор, наш опыт сравнения

Поток CV

Описание готовится.

Как и для чего распознавать эмоции в устной речи?

Поток Speech

Устроим deep dive in speech emotion recognition - расскажу про постановку задачи и существующие подходы, поделюсь накопленным опытом и кейсами применения технологии распознавания эмоций.