标签：视觉

苏昊、黄其兴、祁芮中台、卢策吾、朱玉可、王鹤、王世全、弋力、莫凯淳……他们从 3D 视觉出发，改写了机器人的故事走向。作者 | 赖文昕 陈彩娴 编辑 | 陈彩娴2...

端到端自动驾驶目前逐渐被认为是实现完全自动驾驶的最优解，受到了学术界和产业界的广泛关注。然而，最近的研究表明，近年来涌现的不少端到端自动驾驶模型，...

整理 | 褚杏娟 2023 年 8 月，通义千问开源第一代视觉语言理解模型 Qwen-VL，成为开源社区最受欢迎的多模态模型之一。短短一年内，模型下载量突破 1000 万次...

生成式AI时代最火AI芯片峰会下月来袭！9月6-7日，智猩猩发起主办的2024全球AI芯片峰会将在北京盛大举行。峰会设有开幕式、数据中心AI芯片专场、边缘/端侧AI芯...

新智元报道编辑：LRST 好困 【新智元导读】本文对AI增强的VR在医疗应用中的技术细节、工作流程和下游应用进行了全面审视，并提出了一个系统性的分类方法，将...

阿里mPLUG团队 投稿量子位 | 公众号 QbitAI4秒看完2小时电影，阿里团队新成果正式亮相—— 推出通用多模态大模型mPLUG-Owl3，专门用来理解多图、长视频。 具体...

机器之心报道 编辑：张倩80 多篇论文搞懂「机器人+3D」研究进展。前段时间，多家媒体报道称 ，著名 AI 学者、斯坦福大学教授李飞飞的创业公司 World Labs 在...

来源：专知 来自牛津大学Shuyang (Kevin) Sun博士论文《Towards Unified Visual Perception 》值得关注！探讨统一视觉感知系统的构建。 Shuyang (Kevin) Sun ...

新智元报道编辑：乔杨 【新智元导读】LLM的数学推理能力缺陷得到了很多研究的关注，但最近浙大、中科院等机构的学者们提出，先进模型在视觉推理方面同样不足...

对标 GPT-4V，面壁让实时视频理解成功“跑”在端侧。作者 | 朱可轩 编辑 | 陈彩娴 真实世界的视觉信息是流动的，而在处理流动性的视觉信息上，端侧视频理解具有...

人类正在迎来人工智能领域的爆炸式更新，技术向未知拓展的每一步，几乎都引起惊人的关注度。 在人工智能边界扩张的过程中，重要赛道的技术路线创新与分歧并存...

编辑 | Coral 排版| Asher 在神经科学领域中，“对齐”是指大脑中的神经元如何协调和匹配不同类型的信息，使我们的感觉和动作能够顺利结合。简单来说，就是大脑...

本文分享论文Diffusion Feedback Helps CLIP See Better，专注于通过自监督学习范式解决CLIP无法区分细粒度视觉细节的问题。 作者：王文轩（中科院自动化所-...

夕小瑶科技说 原创作者 | Zicy“巧妇难为无米之炊”，文生视频作为一个在AI中较为年轻的研究方向，由许多至关重要的问题还尚未解决，其中之一就是缺乏大规模高...

点击上方蓝字关注我们斯坦福大学人工智能领军人物李飞飞在短短四个月内悄然打造了一家估值十亿美元的初创企业——World Labs，加入到科技界将人工智能技术商业...