标签：图片
字节豆包、武大提出 CAL：通过视觉相关的 token 增强多模态对齐效果
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...
AI视频新霸主全网翻车，Ilya奥特曼老黄打起来了！动画出现诡异狗头网友笑疯
新智元报道编辑：编辑部 【新智元导读】这几天，最新发布的Stable Diffusion 3和Luma AI的视频生成模型Dream Machine相继发布，但这两个模型却用非常独特的方...
最像 Kindle 的电脑来了！但它和你想象的不太一样
温柔的产品 诞生于 「复仇」之心成年人的成熟不在于事事说「我行」，而是在于勇敢承认「我不行」。 这个看似平常的道理，对于 Anjan Katta 来说，可是挣扎了...
从 ImageNet 到 AlexNet，李飞飞万字自述人工智能诞生的关键进程
要怎么介绍李飞飞？ AI 教母、《时代》百大 AI 影响力人物、福布斯中国·全球华人精英 Top100， 美国国家工程院、国家医学院、艺术与科学院三院院士， 现代人...
喂饭级教程，看我如何用ChatGPT-4o做一款俄罗斯方块游戏！
昨天发的一篇文章，讲的是用 Midjourney 加 Kimi 做一款像素游戏。发完后，朋友看到说：“这他妈是游戏嘛，这跟你儿子学的 Scratch 做的游戏有什么区别？”我当...
在线教程｜图灵奖得主Yann LeCun盛赞！小红书开源InstantID，一张原图即可定制多种风格写真
作者：十九 编辑：李宝珠，三羊 来自小红书的 95 后工程师联合北大团队发布了开源项目「InstantID」，只需上传一张照片，就能轻松定制多种风格的 AI 写真。不...
五图乱哗：AI 生图横扫初级设计狮
AI文生图，即通过训练神经网络，使用AI自动生成高保真、高分辨乃至高度逼真的图像。因为一句话就能生图，因此被宠坏的用户逐渐开始恣意妄为。 有想对着AI说一...
在线教程｜低门槛部署！SUPIR 专治各种图片模糊，还能理解文本描述进行精修
作者：十九 编辑：李宝珠，三羊 封面图来源：SUPIR官网 SUPIR 图像修复工具可应用于模糊风景、人物、动物、游戏画面的修复等。家庭相册中泛黄的老照片，历史...
融合ChatGPT+DALL·E 3，贾佳亚团队新作开源畅玩：识图推理生图一站解决
允中 发自 凹非寺量子位 | 公众号 QbitAI在开源社区中把GPT-4+Dall·E 3能⼒整合起来的模型该有多强？ 香港中文大学终身教授贾佳亚团队提出多模态模型Mini-Gem...
贾佳亚团队新模型对标ChatGPT+DALL-E 3王炸组合！读懂梗图刷爆榜单，代码复现数学函数
新智元报道编辑：编辑部 【新智元导读】贾佳亚团队提出VLM模型Mini-Gemini，堪比GPT-4+DALL-E 3王炸组合，一上线就刷爆了多模态任务榜单！读得懂梗图，做得了...
生图超级外挂！贾佳亚团队提出 VLM 模型 Mini-Gemini，堪比 GPT4+DALLE3 王炸组合
更高清图像的精确理解、更高质量的训练数据、更强的图像解析推理能力，还能结合图像推理和生成，香港中文大学终身教授贾佳亚团队提出的这款多模态模型Mini-Ge...
刷爆多模态任务榜单！贾佳亚团队Mini-Gemini登热榜，代码、模型、数据全部开源
机器之心发布 机器之心编辑部Mini-Gemini 堪比 GPT4+DALLE3 王炸组合。更高清图像的精确理解、更高质量的训练数据、更强的图像解析推理能力，还能结合图像推...
Agent > GPT5？吴恩达最新演讲：四种 Agent 设计范式（通俗易懂版）
吴恩达教授最近在红杉 AI 峰会上讲述了他对 Agent 的一些看法，尽管一些媒体已经进行了相关报道，但为了分发的及时性，而采用了机翻的方式，牺牲了表述的准确...
内含教程丨最高可降低 16 倍成本，ComfyUI Stable Cascade 教程已上线，一键部署！
作者：十九 编辑：李宝珠 今年 2 月，Stability AI 开源了文生图模型 Stable Cascade。相比于 Stable Diffusion 1.5，Stable Cascade 可以降低 16 倍成本。20...
ChatGPT现在能帮你P图了，只需简单说几个字
机器之心报道 作者：泽南、陈萍游戏规则已经改变。现在，不论是网页、iOS 还是安卓版的 ChatGPT，都可以用上 DALL-E 3 强大的编辑图像功能了。OpenAI 的 DALL...
粤公网安备 44011502001135号