目录
开源之夏 2022 项目已发布，申请 Jina AI 项目的同学可以准备起来了~
开源之夏是由「开源软件供应链点亮计划」发起，并长期支持的一项暑期开源活动。旨在鼓励全球在校学生，积极参与开源软件的开发维护，促进优秀开源软件社区的蓬勃发展，培养和发掘更多优秀的开发者。
今年是开源之夏举办的第三届，共计吸引了 124 家社区提报超过 300+ 项目。Jina AI 作为业内领先的神经搜索 (Neural Search) 开源企业，在开源之夏 2022 中共计提报了 3 个项目任务。
同学们现已可以进行任务申请，获得 Jina AI 资深工程师的亲自指导，以及 Jina AI 实习机会。完成项目并贡献给社区后，还将获得开源之夏活动奖金和结项证书。
Jina AI 项目任务详情一览
项目一：近似最近邻搜索算法 HNSW 的改进与优化
涉及技术领域：AI, 近似最近邻, 向量检索
编程语言：C++, Python
项目难度：进阶
联系导师：felix.wang@jina.ai
项目支持报名语言：中文
项目成果仓库：
https://github.com/jina-ai/annlite
https://github.com/jina-ai/annlite
项目描述：
针对海量向量数据的搜索，无论是工业界还是学术界都做了大量的研究。由于精确的向量搜索在海量数据的场景下搜索时间过长，所以目前的常见做法，是在向量上建立近似搜索索引。学术上我们称之为近似最近邻搜索 ANN (Approximate Nearest Neighbor Search) 问题，通常都是通过牺牲搜索精度来换取时间和空间的方式，从大量样本中获取最近邻。
根据 Benchmark 上 ANN 算法的基准测试结果，基于图结构的 HNSW 算法在查询速度和精度上优于其他 ANN 算法。但是 HNSW 算法本身的主要问题就是对内存占用较大，限制了其可以索引的数据大小。
目前我们的开源向量索引产品 AnnLite 核心近似搜索算法是基于 HNSW 来实现，并在此基础上提供了更加丰富的功能（例如支持前置过滤近似查询）。为了使得 AnnLite 能够具备更强的竞争力和实际应用价值，我们希望能够进一步对 HNSW 算法进行改进和优化。
技术要求：
开发者需要对 ANN 算法有较深入的理解，可以熟练使用 C++ 编程语言
产出要求：
* 需要 HNSW 支持向量量化 quantization 技术，减少内存占用的同时能够加快向量距离的计算；
* 对 HNSW 的图索引结构进行改进，在相同数据索引大小的情况下，进一步减少图规模大小；
* 升级前置条件过滤引擎，减少前置过滤耗费的时间；
* 需要能够撰写完整的文档，单元测试和集成测试。
申请地址
项目二：支持基于 Redis 的近似最近邻搜索
涉及技术领域：AI, 数据库，存储，近似最近邻, 向量检索
编程语言：Python
项目难度：进阶
联系导师：bo.wang@jina.ai
项目支持报名语言：中文
项目成果仓库：
https://github.com/jina-ai/docarrayhttps://github.com/jina-ai/docarray
项目描述：
神经搜索 (Neural Search) 特指使用人工神经网络模型的搜索系统。很多常见的搜索应用，比如以图搜图、听声辨乐，都需要神经搜索。在神经搜索系统中，所有的文件会通过人工神经网络被表示为一个向量并存储在索引中。当用户进行搜索时，用户的查询目标也会被表示为一个向量。通过比较查询向量与索引向量的相似度/距离，我们可以找到最为匹配的文件。
基于神经网络的搜索通常需要在短时间内查询到最相似的文件。这依赖于近似最近邻搜索 (Approximately Nearest Neightbour Search)，简称 ANN 搜索。作为一个前沿研究领域，学者们已经提出很多高效的 ANN 算法。Redis 数据库目前已经支持基于图的 ANN 搜索算法：HNSW，该算法能够最大程度的达到检索召回率和检索时间的平衡。
DocArray 作为 Jina AI 神经搜索全家桶的底层模块，能够帮助开发者快速开发搜索系统。在DocArray 中，我们已经支持了多种向量数据库作为存储后台，如 ANNLite, Weaviate, Qdrant 以及 Elasticsearch。
为了帮助 Redis 社区的开发者，我们希望支持 Redis 数据库作为 DocArray 的存储后台，帮助用户高效的进行向量检索。
技术要求：
需要开发者对 DocArray, Redis 以及背后基于 HNSW 的 ANN 搜索算法有一定理解。
产出要求
* 需要在 DocArray 中集成 Redis 作为存储后台；
* 代码有完整的文档及单元测试、集成测试；
* 需要在 DocArray 中产出 Redis ANN 搜索的基准，即：使用基于 Redis 的查询速度/召回率对比我们已经支持的存储后台，结果将发表在我们的比较基准页面。
申请地址：
项目三：基于深度学习的3D物体特征表达与学习
涉及技术领域：AI, 深度学习框架, 表征学习, 3D Mesh 模型
编程语言：Python
项目难度：进阶
联系导师：jem.fu@jina.ai
项目支持报名语言：中文
项目成果仓库：
https://github.com/jina-ai/executor-3d-encoderhttps://github.com/jina-ai/executor-3d-encoder
项目描述：
3D 物体的表征形式多种多样，其中一个比较典型的方法是 3D 点云，即某个坐标系下的点的数据集。相比于文本、图像，其包含了物体更加丰富的信息，包括三维坐标 X，Y，Z、颜色、分类值、强度值、时间等等。
3D 物体一个比较典型的应用场景就是元宇宙，其中存在着大量的数字 3D 模型。精确建模与理解这些虚拟物体可以帮助我们更好的实现对 3D 模型进行分类，搜索，以及管理。
目前我们已经对一些 3D 物体模型的预训练模型进行了封装，并且支持对模型的微调 (Finetune)，使得用户可以更加便捷地将这些模型应用到实际生产环境中。
为了更好的适应具体使用场景，针对预训练模型的微调通常会使用表征学习。表征学习 (Representation Learning) 是深度学习的一个分支，其广泛应用于工业界，它通过训练深度学习模型优化输入数据的向量表示，以适应相似度计算、检索、推荐等不同应用。
将深度表征学习与 3D 模型数据结合可以将 3D 物体的特征更好的展现出来，以此支持各个领域下对 3D 物体数据的搜索需求。
本项目旨在集成更多针对 3D 物体的神经网络模型，并实现对不同模型的统一管理。
技术要求：
对深度学习/表征学习有基本理解，熟练使用和掌握 Python，熟练使用和掌握PyTorch 等深度学习框架
产出要求：
* 调研并实现目前 SOTA 的 3D 点云编码网络
* 实现 3D 点云数据的预处理，支持对不同模型的快速训练
* 需要能够撰写完整的文档，单元测试和集成测试
申请地址：
报名申请 Jina AI 项目任务
以上就是 Jina AI 在开源之夏 2022 的项目任务及详情，现已开启学生与社区项目沟通通道，其他关键时间节点如下如所示：
649
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
