Created by: llxxxll

Idea FYI

• 用户画像
  • 输入：用户行为、行为组合对应的标签（画像标签）
  • 输出：输入用户行为>获得标签
• 预测用户在看片的时候说什么
  • 输入：弹幕、对应时间轴的视频
  • 输出：输入视频到模型>获得弹幕
• 古代语言翻译机
  • 输入：各朝代语言、对应现代文译本
  • 输出：输入现代文到模型>获得不同朝代的翻译（或反过来）
• 黑白照片上色或模糊照片变得更清晰
  • 输入：彩色照片、对应照片的黑白版本
  • 输出：输入黑白照片到模型>获得上过色的彩色照片
• 无人机附近哪里有停车位
  • 输入：停车场图像、各个车位是否停车数据
  • 输出：输入停车场图像到模型>输出车位空余数
• 生成真人头像
  • 输入：人脸描述（多组数据如：鼻子的样子、嘴巴样子、鼻子和嘴巴的相对位置）、对应照片
  • 输出：输入人脸描述>输出符合条件组合后的照片（重新拟合图像、而非搜索照片）
• 宠物翻译机（之前有人做过海豚的）
  • 输入：宠物音频、对应潜在含义
  • 输出：输入宠物音频>输出宠物在说什么
• 预测用户对电影的评分
  • 输入：某类用户群、及影响到该用户群打分的因素（喜欢的电影、演员、导演、剧情、电影类型等）、及该用户群对一些电影的评分
  • 输出：输入用户群及打分因素（特征）、电影>得出评分
• 交通拥堵预测
  • 描述：路网之间有千丝万缕的联系，某个路段的路况异常会影响到诸多路段的拥堵情况；多个路段的拥堵又会带来更大范围的影响；一个经验足够丰富的交警是可以通过这些反馈来预判路况在未来几十分钟内的变化。交警预判往往受疲劳、情绪变化等因素影响，导致预判结果是不稳定的。能否借助于PaddlePaddle这个深度学习框架，让机器具备判断路网路况变化的能力呢。
  • 输入：路网数据（路的信息、路口节点、红绿灯时长）；路况数据（拥堵等级、拥堵原因）；时间；
  • 输出：输入路网数据、路况数据>输出不同路况数据情况下，哪些路会收到影响，以及影响等级