标签：视觉

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...

允中 发自 凹非寺量子位 | 公众号 QbitAI仅需1块80G显卡，大模型理解小时级超长视频。 智源研究院联合上海交通大学、中国人民大学、北京大学和北京邮电大学等...

新智元报道编辑：编辑部 HYZ 【新智元导读】长视频理解迎来新纪元！智源联手国内多所顶尖高校，推出了超长视频理解大模型Video-XL。仅用一张80G显卡处理小时...

作者 | 华卫 近日，百度联合复旦大学等发布 Hallo2，一个可以生成长达数小时且分辨率为 4K 的人物动画的视觉模型。Hallo2 目前已经在 GitHub 平台开源，供全...

Mono-InternVL团队 投稿量子位 | 公众号 QbitAI原生多模态大模型性能瓶颈，迎来新突破！ 上海AI Lab代季峰老师团队，提出了全新的原生多模态大模型Mono-Inter...

导语ChatGPT 理解语言的方式和人类一样吗？卷积神经网络和人脑视觉系统的表征有哪些类似之处？不同信息处理系统之间的差异要如何定量刻画？本文介绍了表征对...

新智元报道编辑：乔杨 【新智元导读】在NLP领域，研究者们已经充分认识并认可了表征学习的重要性，那么视觉领域的生成模型呢？最近，谢赛宁团队发表的一篇研...

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...

下一个token预测，通向多模态AGI。 OpenAI前首席科学家、联合创始人Ilya Sutskever曾在多个场合表达观点：只要能够非常好的预测下一个token，就能帮助人类达...

只需基于下一个 token 预测，智源 Emu3 重新定义多模态模型。OpenAI前首席科学家、联合创始人Ilya Sutskever曾在多个场合表达观点：只要能够非常好的预测下一...

新智元报道编辑：编辑部 HYZ 【新智元导读】最近，Ilya向黄仁勋描述「只要能预测下一个token，就能达到AGI」的视频再次爆火全网，他的预言刚刚竟被证实？智源...

都说一图胜千言，但你是否经常遇到这样的场景：工作汇报、 PPT花了你大半天时间，上面的文字仍然堆积如山，网上又很难找到贴合你内容的图片，而自己设计一个...

梦晨 发自 凹非寺量子位 | 公众号 QbitAIOpenAI前首席科学家、联合创始人Ilya Sutskever曾在多个场合表达观点： 只要能够非常好的预测下一个token，就能帮助...

机器之心发布 机器之心编辑部OpenAI 前首席科学家、联合创始人 Ilya Sutskever 曾在多个场合表达观点：只要能够非常好的预测下一个 token，就能帮助人类达到...

TextHarmony团队 投稿量子位 | 公众号 QbitAI多模态生成新突破，字节&华师团队打造TextHarmony，在单一模型架构中实现模态生成的统一，并入选NeurIPS 202...