标签:视觉
计算机视觉的十年:深度学习带来变革,经典元素仍主导特定挑战
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...
大语言模型击败扩散模型!视频图像生成双SOTA,谷歌CMU最新研究,一作北大校友
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...
美图视觉大模型 3.0:让设计师做甲方
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,...
在图像、视频生成上,语言模型首次击败扩散模型,tokenizer是关键
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...
挑战GPT-4V!清华唐杰&智谱开源多模态14边形战士,在线可玩
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...
美图秀秀上车最新自研大模型,各类AIGC玩法可直接体验
明敏 发自 厦门量子位 | 公众号 QbitAI美图自研大模型3.0,正式发布!并且全面应用于美图旗下影像与设计产品。这是自美图大模型面世100天后的最新迭代。相较...
野心勃勃的MiniGPT-5出现了!Token变Voken,支持图文交叉生成
夕小瑶科技说 分享来源 | 机器之心大模型正在实现语言和视觉的跨越,有望无缝地理解和生成文本和图像内容。在最近的一系列研究中,多模态特征集成不仅是一种...
前百度高管接手AWS大中华区;英伟达取消以色列AI峰会;华为剧透小艺语音转写功能丨AIGC大事日报
10/09全球AIGC产业要闻1、谷歌前高管出任微软副总裁 主攻AIGC2、英伟达宣布取消原定下周的以色列AI峰会3、百度前副总裁出任亚马逊云科技大中华区负责人4、百...
美图自研视觉大模型3.0发布!能“脑补”生图和精准修图,100天全面进化
迈向AI视觉大模型的未来:万物皆可生成。作者|ZeR0编辑|漠影智东西10月9日报道,今日下午,美图自研AI视觉大模型MiracleVision(奇想智能)3.0版本发布,并将...
统一图像和文字生成的MiniGPT-5来了:Token变Voken,模型不仅能续写,还会自动配图了
机器之心报道机器之心编辑部OpenAI 的 GPT-5 大模型似乎还遥遥无期,但已经有研究者率先推出了创新视觉与语言交叉生成的模型 MiniGPT-5。这对于生成具有连贯...
正面硬刚GPT-4V!浙大校友开源多模态大模型LLaVA-1.5,130亿参数8个A100一天训完
新智元报道编辑:Aeneas 好困【新智元导读】GPT-4V风头正盛,LLaVA-1.5就来踢馆了!它不仅在11个基准测试上都实现了SOTA,而且13B模型的训练,只用8个A100就...
微软发布多模态大模型GPT-4V使用指南,长达166页,一文速览
夕小瑶科技说 分享来源 | 机器之心作者 | 陈萍、张倩一周之前,ChatGPT迎来重大更新,不管是 GPT-4 还是 GPT-3.5 模型,都可以基于图像进行分析和对话。与之...
鼠鼠我呀,也有VR头显了!康奈尔给小鼠开颅,沉浸式研究大脑和行为
新智元报道编辑:Aeneas【新智元导读】最近,康奈尔大学的研究者们,给老鼠也戴上VR头显了。虽然拥有了VR体验,但鼠鼠们也付出了一些代价——比如,需要提前做...
ICCV'23论文颁奖“神仙打架”!Meta分割一切和ControlNet共同入选,还有一篇让评委们很惊讶
克雷西 萧箫 发自 凹非寺量子位 | 公众号 QbitAI刚刚,计算机视觉巅峰大会ICCV 2023,在法国巴黎正式“开奖”!今年的最佳论文奖,简直是“神仙打架”。例如,获...
微软最新166页测评报告:视觉模态GPT-4V到底有多强?
本文来源:机器之心一周之前,ChatGPT 迎来重大更新,不管是 GPT-4 还是 GPT-3.5 模型,都可以基于图像进行分析和对话。与之对应的,多模态版 GPT-4V 模型相...