刺鸟图文助手
github一周热点汇总第五十四期，本周可谓是神仙打架，前几名的项目都是热度超级高的重量级项目。本期的内容我们会包括四d世界生成式物理引擎，官方版的米迦集成意图为中心的区块链p d f翻译工具和让卡通图片动起来的工具。一起来看具体内容吧，别忘了点个赞。genesis是本周最为重磅的一个发布，它是一个四d世界生成式物理引擎。
同时呢它也是一个综合的物理模拟平台，为通用机器人具身智能和物理a i应用而设计。四d模型一般是指在三维空间的基础上加入时间维度，从而形成一个动态的、多维的世界模型。首先它具有目前最先进的生成式物理引擎，一句话可以生成完整精确的物理模拟世界，可以先感受一下它的生成效果，比如水滴划过酒瓶以及运动中的微型悟空。genesis的参与阵容可以说非常豪华，包括了清华北大、港大、马里兰、哥伦比亚、斯坦福、m i t、英伟达、太极图形等共二十多个组织，进行了二十四个月的研究。
根据目前给出的数据，它提供的模拟速度比现实世界快四十三万倍，并且呢只需二十六秒就可以在单卡的四百九十上训练能转移到真实机器人上的运动策略，而且速度并不会影响仿真的精度。项目目前论文还没有完全放出来，学术党可以蹲一蹲。但目前文档已经上线了。你可以在自己的环境中装好p y torch，然后呢就可以根据文档开始自己去尝试了。
米迦集成呢是本周的第二个重磅开源项目，它是由小米官方提供支持的home assistant的集成组件。它可以让你在home assistant当中使用小米的i o t智能设备。home assistant是一个基于python开发的开源家庭自动化平台，可以跟踪和控制家庭当中的所有设备，并实现自动化的控制。是目前开源智能家居的首选，有比较丰富的玩法。
而近些年小米的智能i o t设备的普及非常快，有大量的用户基础。可以说这一次的官方提供开源集成让小米又迈出了一大步。从目前的反馈来说啊，官方提供的集成版本相较于原先的第三方集成有更好的设备支持列表以及更多的数据展示，总体来说的体验会更好。如果想要使用呢，需要使用小米的账号去登录以获取设备列表。
米迦集成使用o o s二点零的登录方式，所以不会在home assistant当中保存账号密码。但是呢项目也提醒开发者，home assistant会保存一部分小米登陆后的用户信息。另外保存好home sim的配置文件，在项目中包含了详细的介绍信息收发原理和使用方式的文档。如果你家里有设备并且有条件的话，可以自己动手去试一试。
这个项目呢在本周增长超过了一万个star，但是它只能排到第三，你可以看出这一周的热点项目到底有多热。本项目是noma协议的一个实现，说白了就是给你举一个例子。你应该怎么做？anoma是什么呢？它是一款面向以意图为中心的区块链应用程序。它的核心理念是让用户只需要表达自己的意图，而不需要关注其具体的执行过程。
通过智能合约和协议，ana可以自动的为用户寻找最佳的交易方案。anoma由意图机器人提供支持。与以太坊虚拟机将交易处理为状态变化的方式类似，意图机器人呢将意图处理为状态变化。意图机器与现有的虚拟机器无缝协作，使意图能够在任何层面的链上进行结算。
我理解ano ma希望实现一种区块链的跨平台，他希望能够将区块链统一到一个集成操作系统当中，结束当今去中心化应用程序的分散状态和用户分裂的现象。说实话呢，对于这个意图我也不是特别深入的理解，如果你感兴趣的话，可以深入的去研究一下。p d f mass translate是一个基于a i的p d f文档双语翻译工具。相较于其他的p d f翻译工具，它最大的亮点是能够保持原始的排版，其中包括了公式、图表、目录以及批注。
所以呢对于一些专业论文和数据分析等相关的p d f文档来说，是一个不错的选择。项目还有一些不错的特点，比如支持多语言的翻译，还可以接入多种翻译服务。比如google alama open a i等项目提供了一个免费的在线服务版本，可以直接使用。如果你还想在自己本地使用的话呢，也有多种方式可以选择。
首先是命令行的方式，可以通过pip来快速的安装和使用。你也可以选择直接安装。项目提供的g u i版本启动之后呢，可以通过浏览器来访问七八六零端口就可以使用了。最后呢你也可以通过docker来安装和启动。
启动完成后啊，同样是在浏览器中打开七八六零端口，也可以同样使用到这个工具。anemic drawing是facebook开源的一个ai工具，主要的功能就是让儿童简笔画里面的角色。可以动起来。项目有一个在线的版本，可以到上面去玩一下体验效果。
自己上传图片或者使用系统提供的示例图片，几个简单的步骤就可以获取一个会动的动画角色了。项目在技术上会涉及几个步骤，首先是人物检测系统会在图画当中识别出来人类人物，并预测一个紧密包含人物的边界框。接下来呢是图像分割系统，会根据边界框识别的内容来获取一个分割掩码，将属于人物的像素与背景之间分离开来。第三呢是姿态评估，系统会对人物进行动态评估并设计出一系列的关节，然后呢是角色的骨架。
有了原始的图像分割掩码以及关节位置以后，系统会生成一个适合动画角色的骨架。然后就是动画的生成，将动作捕捉数据重新定位到角色骨架上之后，就会产生出动画。那项目发布呢其实有一段时间了，感兴趣的朋友可以去看一下项目提供的论文。如果是简单适用的话，建议用在线的环境，因为本地跑起来的话还是比较麻烦的。
本周的投票环节呢，我们还是暂停一下，因为年度的节目。确实还没有做完。如果你对哪个项目确实很感兴趣的话，可以留言。我后续有时间的时候会再补充一下。
那本期的节目就到这里，感兴趣的话就自己去试一下吧。
