标签：图像
首个中文原生DiT架构，已开源！大模型Hunyuan-DiT技术报告详解
直播预告 | 5月23日晚7点，「智猩猩机器人新青年讲座」第6讲正式开讲，论文一作、清华大学在读博士郭旭东将直播讲解《大模型在具身多智能体合作中的研究进展...
Meta首发「变色龙」挑战GPT-4o，34B参数引领多模态革命！10万亿token训练刷新SOTA
新智元报道编辑：桃子乔杨 【新智元导读】GPT-4o发布不到一周，首个敢于挑战王者的新模型诞生！最近，Meta团队发布了「混合模态」Chameleon，可以在单一神经...
多模态AI是医学的未来，谷歌推出三个新模型，Med-Gemini迎来大升级
将 ScienceAI设为星标 第一时间掌握 新鲜的 AI for Science 资讯编辑 | 白菜叶 许多临床任务需要了解专业数据，例如医学图像、基因组学，这类专业知识信息在...
Tunnel Try-on：阿里最新视频试衣生成算法
直播预告 | 5月23日晚7点，「智猩猩机器人新青年讲座」第6讲正式开讲，论文一作、清华大学在读博士郭旭东将直播讲解《大模型在具身多智能体合作中的研究进展...
收集30GB、近20万对训练样本，复旦大学团队发布UniFMIR：用AI突破显微成像极限
作者：梅菜 编辑：李宝珠，三羊 复旦大学计算机科学技术学院研究团队，提出了跨任务、多维度图像增强基础 AI 模型 UniFMIR，实现了对现有荧光显微成像极限的...
首个高光谱显着目标检测基准数据集上线；参与创作者激励计划，百分百得现金大奖！
本周， OpenAI 和 Google 接连在发布会中投出核弹级产品💣。OpenAI 还是一贯地爱抢新闻焦点，在 Google I/O 大会前发布了 GPT-4o。而 Google 也频出大招，正面...
StyleMamba：图片风格不满意？一句话就能调！
夕小瑶科技说 原创作者 | Axe_越你与哈利波特的距离，只剩一个StyleMamba！ “我想，把我的图变成朦胧马赛克” “我想，我的画能不能变成美美的莫奈风格” “我想...
GPT-4o再秀神操作，“复现”OpenAI总裁讲课，网友当真了
白交 发自 凹非寺量子位 | 公众号 QbitAI再见了，DALL-E！ OpenAI总裁兼联合创始人Greg再次大秀GPT-4o操作，结果网友直接缅怀DALL-E。 直接看效果。 文本拼写...
谷歌反击：Project Astra正面硬刚GPT-4o、Veo对抗Sora、新版Gemini变革搜索
机器之心报道 机器之心编辑部这就是谷歌对 OpenAI 的回应。通用的 AI，能够真正日常用的 AI，不做成这样现在都不好意思开发布会了。 5 月 15 日凌晨，一年一...
Google 发布「AI 全家桶」反击 GPT-4o ！搜索引擎罕见大更新， 121 句「AI 」道尽焦虑
紧跟步伐 绝不落后昨晚 OpenAI 发布了 ChatGPT-4o 后，压力就给到了 Google I/O ，仿佛 Google 无论如何也摆脱不了「AI 界的汪峰」这一称号。 而 Google 则通...
今日arXiv最热CV大模型论文：国产开源视觉大模型InternVL 1.5发布，赶超GPT-4V水准
夕小瑶科技说 原创作者 | 墨墨2023年9月，OpenAI发布了多模态大模型GPT-4V，开启了多模态研究热潮。短短8个月时间内，闭源模型如Gemini系列, Qwen-VL-Max，开...
一线创业者圆桌讨论：多模态 AI 的创业机会在于「有用」
多模态 AI 无疑是今年大模型的发展重点之一，Sora、Midjourney、Suno 等文生视频、文生图、文生音乐赛道的代表产品也是用户的关注热点。 多模态 AI 如何落地...
DiT架构大一统：一个框架集成图像、视频、音频和3D生成，可编辑、能试玩
机器之心报道 编辑：杜伟、大盘鸡基于 Diffusion Transformer（DiT）又迎来一大力作「Flag-DiT」，这次要将图像、视频、音频和 3D「一网打尽」。今年 2 月初...
Nature论文：斯坦福团队研发出普通眼镜尺寸的新一代AR头盔
大数据文摘受权转载自头部科技 已经有太多AR设备出现，但都不算成功，斯坦福希望能改变世界。 来自斯坦福大学的科研团队最近展示一件新产品，它是一款原型AR...
跟着开源的InternVL，学习如何做自己的GPT-4V
随着人工智能生成内容（AIGC）的快速发展，多模态大型语言模型（MLLM）在理解和生成结合视觉与语言的信息方面展现出巨大潜力。然而，现有的开源MLLM与商业模...
粤公网安备 44011502001135号