标签：编码器
Faster Diffusion | 深入挖掘UNet编码器作用，加速41%采样速度，效果几乎不下降
直播预告 | 今晚7点，「AI新青年讲座」232讲正式开讲，清华大学在读博士刘世隆主讲《LLaVA-Plus：学习使用视觉工具插件的多模态智能体》，欢迎扫码报名。http...
NeurIPS23｜视觉 「读脑术」：从大脑活动中重建你眼中的世界
机器之心专栏 机器之心编辑部在这篇 NeurIPS23 论文中，来自鲁汶大学、新加坡国立大学和中科院自动化所的研究者提出了一种视觉 「读脑术」，能够从人类的大脑...
小模型也可以「分割一切」，Meta改进SAM，参数仅为原版5%
机器之心报道编辑：陈萍、蛋酱对于 2023 年的计算机视觉领域来说，「」（Segment Anything Model）是备受关注的一项研究进展。Meta四月份发布的「分割一切模...
跨语种「AI同传」震撼登场！Meta谷歌连发重大突破，颠覆语音翻译
新智元报道编辑：好困【新智元导读】Meta谷歌接连放出重磅成果！Meta开源无缝交流语音翻译模型，谷歌放出无监督语音翻译重大突破Translation 3。就在Meta AI...
一张照片生成视频，张嘴、点头、喜怒哀乐，都可以打字控制
机器之心报道作者：陈萍、张倩视频 PS 可以灵活到什么程度？最近，微软的一项研究提供了答案。在这项研究中，你只要给 AI 一张照片，它就能生成照片中人物的...
智能的本质就是压缩？马毅团队5年心血提出「白盒」Transformer， 打开LLM黑盒！
新智元报道编辑：润 桃子【新智元导读】来自UC伯克利，港大等机构的研究人员，开创性地提出了一种「白盒」Transformer结构——CRATE。他们通过将数据从高维度分...
「GPT-4只是在压缩数据」，马毅团队造出白盒Transformer，可解释的大模型要来了吗？
机器之心报道编辑：PandaAGI 到底离我们还有多远？在 ChatGPT 引发的新一轮 AI 爆发之后，一部分研究者指出，大语言模型具备通过观察进行因果归纳的能力，但...
北大视频大模型新SOTA，搞笑抖音视频AI秒懂笑点｜开源
梦晨 发自 凹非寺量子位 | 公众号 QbitAIAI能理解搞笑视频笑点在哪里了。AI回答：这个视频之所以搞笑，在于一个小宝宝正坐在床上努力读书，但他显然还不会真...
北大&腾讯打造多模态15边形战士！语言作“纽带”，拳打脚踢各模态，超越Imagebind
AI4Happiness投稿量子位 | 公众号 QbitAI北大联合腾讯打造了一个多模态15边形战士！以语言为中心，“拳打脚踢”视频、音频、深度、红外理解等各模态。具体来说...
两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速
机器之心报道编辑：张倩模型小了，幻觉还减轻了。前段时间，「霉霉大秀中文」的视频在各个社交媒体走红，随后又出现了「郭德纲大秀英语」等类似视频。这些视...
视觉霸主SAM和文图霸主CLIP强强联合！苹果联合UIUC，发布统一视觉模型SAM-CLIP，或掀起多模态新浪潮
夕小瑶科技说 原创作者 | ZenMoore相信大家对 SAM[1] 并不陌生，它是 Meta 此前发布的 Segment Anything Model (分割一切模型)。一经发布便火遍全网震惊世界...
“我有一个大胆的想法”？Meta AI 新技术让你的思维图像一览无余！
夕小瑶科技说 原创作者 | 付奶茶大家之前是否想象过未来的技术进步会带来读脑器，计算界面是否有可能越过触摸屏、键盘进入我们思维内部读取我们脑袋中所想。...
读心术！AI技术解锁大脑思维，你想什么它都知道
点击上方蓝字关注我们图｜匡萃彪文｜匡萃彪“ Meta公司最新的AI系统，利用磁脑电图技术实时解读大脑中的视觉信息，为医学和人工智能领域带来革命性的突破。然...
谷歌视觉语言模型PaLI-3问世，参数仅5B，更小、更快、更强
机器之心报道编辑：杜伟、陈萍在多模态（视觉语言）大模型领域，拼参数赢性能的同时，追求参数更小、速度更快、性能更强是另一条研究路径。在大模型时代，视...
谷歌重磅发布 PaLI-3，四两拨千斤！
夕小瑶科技说 原创作者 | 智商掉了一地、ZenMoore视觉语言模型（VLM）的参数规模已经扩展到数百亿，甚至数千亿，这使得其性能持续提升。然而，小规模模型仍然...
粤公网安备 44011502001135号