标签：视觉

新智元报道编辑：桃子 【新智元导读】最近，来自UCSB和苹果的华人团队提出了MGIE，通过多模态模型引导图像精准编辑，可以10秒完成P图。几天前，库克在苹果电...

机器之心报道 编辑：蛋酱、陈萍拍张照片，输入文字指令，手机就开始自动修图？ 这一神奇功能，来自苹果刚刚开源的图片编辑神器「MGIE」。把背景中的人移除在...

夕小瑶科技说 原创作者 | 谢年年 想必大家都知道，CV大神何恺明将在24年加入MIT EECS（电子工程和计算机科学系），而就在近日，何恺明在个人主页上官宣招收研...

机器之心报道 编辑：娄佳琪、张倩只用 61 个小时的数据：人们终于证明了，利用当代 AI 工具，实现「真正的语言学习」是可行的。 在公开采访中，图灵奖得主 Ya...

机器之心报道 机器之心编辑部去年 4 月，威斯康星大学麦迪逊分校、微软研究院和哥伦比亚大学研究者共同发布了 LLaVA（Large Language and Vision Assistant）...

新智元报道编辑：LRS 【新智元导读】不用图像，只用文本就能训练出视觉概念表征？用写代码的方式读懂画面，形状、物体、场景都能懂！只会「看书」的大语言模...

机器之心报道 机器之心编辑部动态视觉分词统一图文表示，快手与北大合作提出基座模型 LaVIT 刷榜多模态理解与生成任务。 当前的大型语言模型如 GPT、LLaMA 等...

允中 发自 凹非寺量子位 | 公众号 QbitAI建立会做视频的世界模型，也能通过Transformer来实现了！ 来自清华和极佳科技的研究人员联手，推出了全新的视频生成...

Vary-toy团队 投稿量子位 | 公众号 QbitAI一款名为Vary-toy的“年轻人的第一个多模态大模型”来了！ 模型大小不到2B，消费级显卡可训练，GTX1080ti 8G的老显卡...

新智元报道编辑：编辑部 【新智元导读】多模态大模型将是AI下一个爆点。最近，通义千问VLM模型换新升级，超大杯性能堪比GPT-4V。最最重要的是，还能限时免费...

机器之心报道 编辑：泽南、蛋酱通义千问的图像推理能力，最近有了大幅提升。 2024 年，大模型领域要卷什么？ 如果没有思路的话，不妨看看各家大厂都在押注什...

寒武纪与智象未来签约仪式现场；左起：智象未来联合创始人、COO王科；智象未来创始人、CEO梅涛；寒武纪创始人、CEO陈天石；寒武纪联合创始人、执行总裁王在 ...

点击上方蓝字关注我们“麻省理工学院的研究揭示，虽然人工智能在各行业快速发展，但其在成本效益上替代大多数工作的可行性尚不明确。通过深入研究计算机视觉领...

机器之心专栏 机器之心编辑部Transformer 在大模型领域的地位可谓是难以撼动。不过，这个AI 大模型的主流架构在模型规模的扩展和需要处理的序列变长后，局限...

新智元报道编辑：桃子 【新智元导读】多模态大模型GPT-4V也会「有眼无珠」。UC San Diego纽约大学研究人员提出全新V*视觉搜索算法逆转LLM弱视觉宿命。Sam Alt...