標簽：編碼器

豐色 發自 凹非寺量子位 | 公眾號 QbitAI陳丹琦團隊剛剛發布了一種新的LLM上下文窗口擴展方法： 它僅用8k大小的token文檔進行訓練，就能將Llama-2窗口擴展至1...

新智元報道編輯：桃子 【新智元導讀】谷歌團隊推出「通用視覺編碼器」VideoPrism，在3600萬高質量視頻字幕對和5.82億個視頻剪輯的數據集上完成了訓練，性能刷...

Neural Network Diffusion，開始用魔法打敗魔法了。作者丨賴文昕 編輯丨郭思、陳彩嫻 說起擴散模型生成的東西，你會立刻想到什么？ 是OpenAI的經典牛油果椅子...

智猩猩和智東西發起主辦的2024中國生成式AI大會將于4月18-19日在北京舉辦。主會場將進行開幕式、大模型專場、AI基礎軟件專場和AIGC應用專場；分會場將進行具...

新智元報道編輯：潤 【新智元導讀】香港一家跨國公司員工，被騙子邀請進了用Deepfake做的「高管視頻會議」中，下令讓他轉了2億港幣到不知名中賬戶，5天之后才...

夕小瑤科技說 原創作者 | 小戲、Python在大規模語言模型（LLMs）通往通用人工智能（AGI）的道路中，從傳統的單一的“語言模態”擴展到“圖像”、“語音”等等的“多...

機器之心報道 編輯：Panda去噪擴散模型（DDM）是當前圖像生成技術的一大主流方法。近日，Xinlei Chen、Zhuang Liu、謝賽寧與何愷明四人團隊對 DDM 進行了解構...

編輯部 發自 凹非寺量子位 | 公眾號 QbitAICV大神何愷明，也來搞擴散模型（Diffusion Model）了！ 大神最新論文剛剛掛上arXiv，還是熱乎的：解構擴散模型，提...

騰訊PCG ARC實驗室 投稿量子位 | 公眾號 QbitAI能處理音樂的多模態大模型，終于出現了！ 只見它準確分析出音樂的旋律、節奏，還有使用的樂器，甚至其中的意境...

1月17日晚7點，智猩猩推出「多模態大模型線上閉門會」。本次閉門會由阿里巴巴通義實驗室 NLP 高級算法專家嚴明參與出品，并聚焦于大語言模型工具調用 Control...

在過去的一年里，基于大語言模型LLM的音樂AIGC技術蓬勃發展，為LLM的下游應用注入了新的活力。 本研究成果M2UGen致力于將LLM和音樂理解與音樂生成技術相結合...

直播預告 | 今晚7點，「AI新青年講座」232講正式開講，清華大學在讀博士劉世隆主講《LLaVA-Plus：學習使用視覺工具插件的多模態智能體》，歡迎掃碼報名。http...

機器之心專欄 機器之心編輯部在這篇 NeurIPS23 論文中，來自魯汶大學、新加坡國立大學和中科院自動化所的研究者提出了一種視覺 「讀腦術」，能夠從人類的大腦...

機器之心報道編輯：陳萍、蛋醬對于 2023 年的計算機視覺領域來說，「」（Segment Anything Model）是備受關注的一項研究進展。Meta四月份發布的「分割一切模...

新智元報道編輯：好困【新智元導讀】Meta谷歌接連放出重磅成果！Meta開源無縫交流語音翻譯模型，谷歌放出無監督語音翻譯重大突破Translation 3。就在Meta AI...