标签：图像

论文链接： https://arxiv.org/abs/2312.14238开源代码： https://github.com/OpenGVLab/InternVL01引言大型语言模型（LLMs）在开放世界语言任务中展现出令人...

夕小瑶科技说 原创作者 | 付奶茶、王二狗最近听说，“遥遥领先”的GPT-4V翻大车了！竟然把海豹识别成狗！而且还分不清炸鸡和泰迪！ 下面是GPT-4V对狗子和海豹的...

夕小瑶科技说 原创作者 | 王二狗一年前，ChatGPT 横空出世，“大模型”成为全球科技赛道绝对的“C位”。 这一年，国外微软OpenAI和谷歌DeepMind等“众神”打架，国...

新智元报道编辑：Aeneas 好困 【新智元导读】首个视觉、语言、音频和动作多模态模型Unified-IO 2来了！它能够完成多种多模态的任务，在超过30个基准测试中展...

夕小瑶科技说 原创作者 | 智商掉了一地、Python想要准确分辨出泰餐里的玉米笋？想吃美食但又怕一不小心无法控制卡路里而吃胖？食材在手但不知道该怎么搭配能...

梦晨 发自 凹非寺量子位 | 公众号 QbitAI多模态大模型爆发，准备好进入图像编辑、自动驾驶和机器人技术等细粒度任务中实际应用了吗？ 目前大多数模型的能力还...

作者 ｜ 核子可乐、Tina 近日，文生视频公司 Pika 推出 Pika1.0，能够生成和编辑 3D 动画、动漫、卡通和电影等各种风格的视频，一经推出便在各大社交媒体上...

新智元报道编辑：桃子 好困 【新智元导读】最强的全能多模态模型来了！就在近日，智源研究院重磅发布了开源界的「Gemini」——Emu2，一口气刷新多项SOTA。过去...

点击上方蓝字关注我们“微软最新推出的Copilot应用整合了GPT-4和DALL-E 3的语言与图像生成能力，标志着其进一步在AI动力移动应用领域扩展。该免费应用在文本回...

西风 发自 凹非寺量子位 | 公众号 QbitAI单RTX4090，每秒生成100张图！ 一种专为实时交互式图像生成而设计的一站式解决方案，登顶GitHub热榜。 方案名为Strea...

英伟达官方盘点2023年10大研究，从CV到AI，从智能体到生成式AI。英伟达不但现实世界中用GPU收割全世界，也在虚拟世界中用一项项匪夷所思的技术展开了一场革命...

省流：Midjourney 在2023年12月21日发布了 V6 版本，是 Midjourney 团队从头开始训练的第三个模型。目前 V5.2 和 V6 之间暂无 benchmark 对比，因此本次大部...

新智元报道编辑：桃子 【新智元导读】二次元小姐姐全新生成模型来了，还是1秒100张那种。10毫秒生成一张图像，1分钟6000张图像，这是什么概念？ 下图中，就可...

机器之心专栏 机器之心编辑部【关注机器之心视频号，第一时间看到有趣的AI内容】 不实际试穿，就能尝试各种服饰，虚拟试衣技术让「QQ秀」升级成了真人版，为...

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...