今年，被网友戏称为「奶奶漏洞」的大语言模型「越狱」方法，可以说是火了火。简单来说，对于那些会被义正言辞拒绝的需求，包装一下话术，比如让ChatGPT「扮演已经过世的祖母」，它大概率就会满足你了。不过，随着服务提供商不断地更新和强化安全措施，越狱攻击的难度也不断提高。与此同时，由于这些聊天机器人多作为一个「黑箱」存在，使得外部安全分析人员在评估和理解这些模型的决策过程以及潜在的安全隐患方面面临巨大困难。针对这一问题，南洋理工大学、华中科技大学、新南威尔士大学等联合组成的研究团队，首次使用自动生成的提示词成功「破解」了多家大厂的LLM，目的是揭示模型在运行时可能的安全缺陷，以便采取更精确和高效的安

动作识别数据集：“NTURGB+D”数据集和“NTURGB+D120”数据集（还包括AUTHUAV手势数据集：NTU4级）本页介绍两个数据集：“NTURGB+D”和“NTURGB+D120”。“NTURGB+D”包含60个动作类和56，880个视频样本。“NTURGB+D120”扩展了“NTURGB+D”，增加了另外60个类和另外57，600个视频样本，即“NTURGB+D120”总共有120个类和114，480个样本。这两个数据集都包含每个样本的RGB视频、深度图序列、3D骨骼数据和红外（IR）视频。每个数据集由三个KinectV2相机同时捕获。RGB视频的分辨率为1920x1080，深度图

文章目录1.说明2.实现效果3.NTURGB-D60数据集的3D可视化代码4.NTURGB-D60的2D简单可视化5.联系方式1.说明本文是对动作识别、动作预测常见数据集NTURGB-D60的3D可视化，运行中可以用鼠标拖动可以查看不同视角，可以保存成GIF图，可以将Gif解析成单帧PNG图片进行进一步处理，可以将所有帧图片凭借成一个整体，实现论文中的美观度。当然，这个代码适用于所有的骨架数据集，只需要做出一点点修改即可2.实现效果实现的效果如图：旋转视角看看：解析成单帧图片：拼接成一个整体图：基本上实现了一些论文中的可视化效果3.NTURGB-D60数据集的3D可视化代码话不多说，直接上代码

SAM（SegmentAnything）作为一个视觉的分割基础模型，在短短的3个月时间吸引了很多研究者的关注和跟进。如果你想系统地了解SAM背后的技术，并跟上内卷的步伐，并能做出属于自己的SAM模型，那么接下这篇Transformer-Based的SegmentationSurvey是不容错过！近期，南洋理工大学和上海人工智能实验室几位研究人员写了一篇关于 Transformer-Based的Segmentation的综述，系统地回顾了近些年来基于Transformer 的分割与检测模型，调研的最新模型截止至今年6月！同时，综述还包括了相关领域的最新论文以及大量的实验分析与对比，并披露了多个具

近来，想必很多人被一份「GPT-4取代数据分析师」核算成本的研究报告惊到了。论文内容直戳痛点：使用GPT-4的成本大约是雇佣初级数据分析师的0.71％。论文地址：https://arxiv.org/pdf/2305.15038.pdf这份来自阿里达摩院和南洋理工大学的最新研究，明晃晃地告诉数据分析师，我要取代你们，这就是证据。你以为高级数据分析师，会逃过一劫吗？研究人员称，使用GPT-4的成本是雇佣高级数据分析师的0.45％。这是什么概念？根据就业在线社区Glassdoor统计，一位高级数据分析师年薪大约10万美元（70万人民币）。要是换成GPT-4，仅需要450美元，也就3000元左右。从7

本月初，Meta推出的「分割一切」模型可谓是震撼了整个CV圈。这几天，一款名为「Relate-Anything-Model（RAM）」的机器学习模型横空出世。它赋予了SegmentAnythingModel（SAM）识别不同视觉概念之间的各种视觉关系的能力。据了解，该模型由南洋理工大学MMLab团队和伦敦国王学院和同济大学的VisCom实验室的同学利用闲暇时间合作开发。演示地址：https://huggingface.co/spaces/mmlab-ntu/relate-anything-model代码地址：https://github.com/Luodian/RelateAnything数据