标签：物体
上交发布MG-LLaVA，基于多粒度指令调整，横扫视觉大模型榜单
夕小瑶科技说 原创作者 |Richard近年来多模态大语言模型(MLLMs)在视觉理解任务中取得了长足进步。然而，大多数模型仍局限于处理低分辨率图像，这限制了它们在...
靠Scaling Laws炼出4D版视频生成模型，多伦多大学北交大等携手开源81K高质量数据集
Diffusion4D团队 投稿量子位 | 公众号 QbitAI只需几分钟、一张图或一句话，就能完成时空一致的4D内容生成。 注意看，这些生成的3D物体，是带有动作变化的那种...
斯坦福博士助力，一年打造7亿融资独角兽！银河通用机器人创具身智能赛道天使轮融资纪录
新智元报道编辑：编辑部 【新智元导读】过去一年，美元在华投资大幅缩水，资本市场呈现「寒冬」态势。然而，在这样的背景下，这家中国公司成立仅一年却创纪录...
给NeRF开透视眼！稀疏视角下用X光进行三维重建，9类算法工具包全开源 | CVPR 2024
新智元报道编辑：LRST 【新智元导读】本文提出了SAX-NeRF框架，一种专为稀疏视角下X光三维重建设计的新型NeRF方法，通过Lineformer Transformer和MLG采样策略...
北大快手攻克复杂视频生成难题！新框架轻松组合各种细节，代码将开源
杨灵 投稿自 凹非寺量子位 | 公众号 QbitAI如何生成高难度、指令超复杂的视频呢？ 北大与快手AI有解了，他们提出新框架VideoTetris，就像拼俄罗斯方块一样，...
3D资产生成领域福音：自动化所、北邮团队联合打造材质生成新范式
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术...
颠覆传统操控！解密美国东北大学机器蛇如何在复杂地形中灵活表现
大数据文摘受权转载自机器大讲堂 你没看错，这个不断翻滚上坡的条状物是一个蛇形机器人。 在人们的印象中，大多数蛇形机器人似乎无法像许多轮式和腿式机...
银河通用王鹤：让具身智能机器人“言出法随”，需攻克两大局限性丨GenAICon 2024
没有做好小模型的公司、没有能让动作小模型泛化的公司不可能让大模型泛化。 2024中国生成式AI大会于4月18-19日在北京举行，在大会第一天的主会场开幕式上，北...
港大字节提出多模态大模型新范式，模拟人类先感知后认知，精确定位图中物体
允中 发自 凹非寺量子位 | 公众号 QbitAI当前，多模态大模型（MLLM）在多项视觉任务上展现出了强大的认知理解能力。 然而大部分多模态大模型局限于单向的图像...
李飞飞「空间智能」系列新进展，吴佳俊团队新「BVS」套件评估计算机视觉模型
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术...
让机器准确「看懂」手物交互动作，清华大学等提出GeneOH Diffusion方法
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术...
硬核解决Sora的物理bug！美国四所顶尖高校联合发布：给视频生成器装个物理引擎
新智元报道编辑：LRS 【新智元导读】PhysDreamer利用材质点法（MPM）对物体的各个物理属性进行估计，实现了逼真的交互式响应结果，在视频生成领域向更真实的...
看透物体的3D表示和生成模型：NUS团队提出X-Ray
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术...
华为P70闪拍功能意外爆火，CTO亲自下场解读技术原理
克雷西 发自 凹非寺量子位 | 公众号 QbitAI一段博主拍摄的视频，让华为P70的抓拍功能意外火了…… 注意看，这里有一个高速运转的机械，是不是让你看得已经眼花...
无任务学习及在机器人任务和规划中的应用
大数据文摘授权转载自中国人工智能学会 作者：张宪琦，范晓鹏摘 要： 本文提出了无任务学习的方法，阐述了其与现有方法（包括自监督学习、迁移学习、模仿学习...
粤公网安备 44011502001135号