人类有各种交流方式，包括语言、文字、音乐、影像等，有的贴近生活，有的充满艺术感。然而，在人工智能时代，代码作为一种特殊的交流形式愈发重要，它使得人与人、人与机器之间能够高效便捷地沟通，从而为科技发展注入活力。开源，则是让这种交流变得更加丰富和深刻的秘诀。
除了优秀的开发者和极具创意的点子，好的开源还需要平台和资源的支持。开放原子开源大赛，为所有热爱开源的开发者们提供机会与平台！
开放原子开源大赛
开放原子开源基金会发起首届“开放原子开源大赛”，旨在联合开源组织、企事业单位、高等院校、科研院所、行业组织、投融资机构等多方资源，充分发挥产业链生态上下游的协同能力，基于开源共享、共建共治的原则共同举办。
大赛搭建面向全球开源领域的前沿技术竞争、优秀人才选拔、创新成果展示、商业转化引导和对接交流合作平台，广泛传播开源文化、普及开源知识、推广开源项目、提升开源技能，为推进开源生态繁荣和可持续发展提供动力和支撑。
百度飞桨参与首届“开放原子开源大赛”，赛题均基于飞桨开源框架，并结合当前热门的AIGC与人工智能先进技术、科学计算AI for Science课题，与所有开发者共建，开发业界领先的人工智能模型，赋能加速传统科学计算方法。
大赛为所有热爱开源的开发者保驾护航，大赛组委会搭建AtomGit代码托管与协作平台，助力开源成果共创。从赛题发布到评审全程可控，代码托管、协作一站搞定，为你提供安全、自由、放心的开源环境。大赛奖金丰厚，飞桨赛道奖金总额50万元，每道赛题6万-20万奖金不等，奖金将由基金会直接发放给获奖团队！
百度飞桨赛题
作为中国最早开源的深度学习框架，飞桨（PaddlePaddle） 深度践行开源理念，开放拥抱社区，重视生态构建，与开发者和生态伙伴共成长，已成为国内综合竞争力第一的产业级深度学习平台。飞桨平台的快速发展，与开源开放密不可分。
百度飞桨基于产业实践与开源项目建设，发布6大开源共建赛题，包括：复现学术前沿跨模态大模型、使用AIGC提升经典模型精度、SSLD模型离线蒸馏、基于科学计算方法PINN的CFD离散网格优化等，要求参赛选手提供完整的解决方案与代码，并贡献至指定代码仓库。本次赛事鼓励选手了解并参与深度学习开源项目，为中国开源生态建设贡献力量，飞桨将在大赛全程为参赛选手提供技术指导，让你的作品更加全面完善。
大赛具体的赛题设置如下，快来看一看有没有你感兴趣的赛题吧！
赛题一：使用AIGC进行数据扩充，提升模型在ImageNet上的精度
基本描述：现阶段stable diffusion等大模型已经可以生成比较逼真的数据，目前学术界已经有部分研究者使用大模型生成数据来扩充训练数据提升模型的精度。本赛题主要内容是使用stable diffusion等大模型，扩充ImageNet数据，提升模型精度。
奖金：
- 一等奖：3万元（1名）
- 二等奖：2万元（1名）
- 三等奖：1万元（1名）
赛题二：使用AIGC进行数据扩充，提升模型在COCO上的精度
基本描述：现阶段stable diffusion等大模型已经可以生成比较逼真的数据，目前学术界已经有部分研究者使用大模型生成数据来扩充训练数据提升模型的精度。本赛题主要内容是使用stable diffusion等大模型，扩充COCO数据，提升模型精度。
奖金：
- 一等奖：3万元（1名）
- 二等奖：2万元（1名）
- 三等奖：1万元（1名）
赛题三：SSLD蒸馏Teacher离线化
基本描述：PaddleClas提供了一种简单高效的SSLD蒸馏方案，可以大幅度提升模型的精度。但是蒸馏过程中，每张图片均需要经过教师模型，导致整体训练时间比较久。本赛题主要内容是将PaddleClas中的SSLD蒸馏Teacher离线化，即教师模型将数据的预测标签进行存储，学生模型用来学习离线的教师模型的输出。最终SSLD蒸馏Teacher离线化的精度和标准SSLD精度打平，训练速度快1倍。奖金：
- 一等奖：3万元（1名）
- 二等奖：2万元（1名）
- 三等奖：1万元（1名）
赛题四：复现人脸控制论文DiffusionRig
基本描述：Paddle目前已提供diffusion相关能力，DiffusionRig在身份保留和照片逼真度方面优于现有方法，可以进一步丰富paddle diffusion应用扩展。奖金：
- 一等奖：3万元（1名）
- 二等奖：2万元（1名）
- 三等奖：1万元（1名）
赛题五：复现图像编辑论文Null-text Inversion
基本描述：图像编辑在AIGC领域有着非常重要的应用价值，如何高效率高质量的实现图像编辑成为了当前技术难点之一，本文基于prompt-to-prompt的方式实现了高保真的图像编辑能力。奖金：
- 一等奖：3万元（1名）
- 二等奖：2万元（1名）
- 三等奖：1万元（1名）
赛题六：基于PINN的CFD离散网格优化
基本描述：计算流体力学（CFD）是21世纪流体力学领域的重要技术之一，使用数值方法在计算机中对流体力学的控制方程进行求解，从而可预测流场的流动。近年来基于物理信息约束神经元网络（PINN）的方法在流体力学领域较为流行。PINN的特色是在神经元网络的损失函数（Loss Function）里包含流体力学的控制方程，使得神经元网络可以代替CFD的求解过程。但是，目前PINN求解精度还有待提高。
本课题的目的是基于PINN进行CFD离散网格优化，即并不采用PINN代替高精度的CFD求解器，而是用PINN的求解速度快以及其具备一定的求解精度的特点，加快寻找最优的离散网格，从而缩短整体CFD流程的速度。本质上，本课题是为了验证一个假说，即高质量的离散网格，也对应相对高精度的PINN。本课题对CFD行业有较高价值，如果能实现，未来可以推广到整个CFD行业。因此本课题所选的网格文件需要有一定行业代表性，至少包括3类场景：汽车气动外型设计（选取一款车型即可）；机翼气动外型设计（选取1-2款NACA系列机翼轮廓）；室内气流结构（选取一个常见居民房间）。初始网格文件由出题方提供。
奖金：
- 一等奖：10万元（1名）
- 二等奖：7万元（1名）
- 三等奖：3万元（1名）
本类型赛题聚焦飞桨项目本身的功能与算法实现，选手选择以上题目中的任何一个，进行方案设计并最终实现，最后提交到对应的atomgit代码仓库中，经过研发导师验收后可获得奖金。
顶级开源项目、资深研发指导
技能提升、丰富简历、高额奖金你还不心动？
心动就快行动吧！