标签：视觉

明敏 发自 凹非寺量子位 | 公众号 QbitAIMistral的多模态大模型来了！ Pixtral 12B正式发布，同时具备语言和视觉处理能力。 它建立在文本模型Nemo 12B基础上...

点击上方蓝字关注我们“法国 AI 初创公司 Mistral 发布其首款多模态模型 Pixtral 12B，挑战 OpenAI 和 Anthropic 等竞争对手。法国初创公司 Mistral AI 正式发...

演讲嘉宾｜冯佳时 编辑 ｜蔡芳芳 策划 ｜ AICon 全球人工智能开发与应用大会 近年来，大语言模型 (LLMs) 在文本理解与生成领域取得了显著进展。然而，LLMs 在...

梦晨 发自 凹非寺量子位 | 公众号 QbitAI大模型时代，有个大家普遍焦虑的问题：如何落地?往哪落地? 聚光灯下最耀眼的OpenAI，最近也先被曝出资金告急，后又寻...

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...

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...