标签：视觉

机器之心报道编辑：杜伟、小舟全新视觉提示方法 SoM（Set-of-Mark），让 OpenAI 多模态大模型 GPT-4V 在视觉内容理解方面有了质的提升。最近一段时间，我们见...

虹软PhotoStudio® AI杀入“卖家秀” 。作者｜陈杨编辑｜王博“双11”大促即将开启，但今年的“卖家秀”会有一些不一样。10月23日，虹软科技创新产品——PhotoStudio® ...

解密AIGC商拍图工厂！电商狂喜的工具，动动鼠标就能给虚拟人换装。作者|三北编辑|漠影AI不仅能修图，现在也能干摄影师和模特的活了！智东西10月23日报道，今...

转载自 沁园夏量子位 | 公众号 QbitAI大模型“识图”能力都这么强了，为啥还老找错东西？例如，把长得不太像的蝙蝠和拍子搞混，又或是认不出一些数据集中的稀有...

新智元报道编辑：好困【新智元导读】最近，智源、清华和北大联合发布了全新的10亿参数的3D视觉通用模型——Uni3D，在主流3D视觉能力上取得了全方位的性能突出！...

新智元报道编辑：润 贝果【新智元导读】Meta AI研发新成果，利用脑电信号将人类大脑活动解码并可视化。这项研究开辟了一条前所未有的新途径，能够帮助科学界...

贾浩楠 发自 凹非寺量子位 | 公众号 QbitAI极越汽车，搞了一个车圈科技圈大新闻：纯视觉NOA国内首发上路！一段陆家嘴点到点领航辅助驾驶的实拍视频刚刚被公开...

白交 发自 凹非寺量子位 | 公众号 QbitAIGPT-4V来做目标检测？网友实测：还没有准备好。虽然检测到的类别没问题，但大多数边界框都错放了。没关系，有人会出...

新智元报道编辑：LRS【新智元导读】MQ-Det在已有基于文本查询的检测大模型基础上，加入了视觉示例查询功能，同时保留了高泛化性能和细粒度多模态查询，在ODin...

机器之心专栏机器之心编辑部MiniGPT-v2 将大语言模型作为视觉语言多任务学习的统一接口。几个月前，来自 KAUST（沙特阿卜杜拉国王科技大学）的几位研究者提出...

大数据文摘出品编译：文摘菌近些年来，计算机视觉（CV）的发展势如破竹，渗透到了我们生活的方方面面。对于大众而言，这可能像是一项新鲜且令人兴奋的科技创...

白交 发自 凹非寺量子位 | 公众号 QbitAI语言模型击败扩散模型，在视频和图像生成上实现双SOTA！这是来自谷歌CMU最新研究成果。据介绍，这是语言模型第一次在...

AI工作流提效之战正式开启。作者丨郭思编辑丨陈彩娴ChatGPT之前，国内最近一次的AI热潮是以“AI四小龙”的发展为代表，但这些公司烧钱程度与落地产出的不匹配，...

机器之心报道编辑：张倩、陈萍为什么语言模型在视觉生成方面落后于扩散模型？来自谷歌、CMU 的研究表明，tokenizer 是关键。大型语言模型（LLM 或 LM）一开始...

梦晨 发自 凹非寺量子位 | 公众号 QbitAI看看这张图中有几个房子？如果你回答3个，就和GPT-4V的答案一样。但是最新开源的国产多模态模型CogVLM-17B，就能看出...