陳林 投稿自 凹非寺量子位 | 公眾號 QbitAI一個可以自動分析PDF、網頁、海報、Excel圖表內容的大模型，對于打工人來說簡直不要太方便。 上海AI Lab，香港中文...

導讀本文作者為蘇劍林，來自月之暗面。這篇文章介紹了 Simple Diffusion，這是一篇探索如何直接在 Pixel 空間中端到端地訓練圖像擴散模型的工作，利用了信噪...

PS5 PRO 即將發布? 距離索尼發布 PS5 已經過去三年多了，其全球銷量也已經達到了驚人的四千多萬臺。 現在，它的升級款有新消息了。有爆料稱今年 11 月份，會...

魚羊 發自 凹非寺量子位 | 公眾號 QbitAI北大和字節聯手搞了個大的： 提出圖像生成新范式，從預測下一個token變成預測下一級分辨率，效果超越Sora核心組件Dif...

機器之心專欄 機器之心編輯部近日，來自香港中文大學 - 商湯科技聯合實驗室等機構的研究者們提出了FouriScale，該方法在利用預訓練擴散模型生成高分辨率圖像...

機器之心專欄 機器之心編輯部GPT-4V 的推出引爆了多模態大模型的研究。GPT-4V 在包括多模態問答、推理、交互在內的多個領域都展現了出色的能力，成為如今最領...

機器之心專欄 機器之心編輯部最近，華中科技大學和金山的研究人員在多模態大模型 Monkey [1]（Li et al., CVPR2024）工作的基礎上提出 TextMonkey。在多個場...

豐色 發自 凹非寺量子位 | 公眾號 QbitAI重磅： 北大團隊發起了一項Sora復現計劃——Open Sora。 框架、實現細節已出： 初始團隊一共13人： 帶隊的是北大信息工...

魚羊 發自 凹非寺量子位 | 公眾號 QbitAI谷歌一出手，又把AI視頻生成卷上了新高度。 一句話生成視頻，現在在名為Lumiere的AI操刀下，可以是醬嬸的： △“陽光明...

直播預告 | 1月17日晚7點，「多模態大模型線上閉門會」正式開講！阿里巴巴通義實驗室 NLP 高級算法專家嚴明參與出品，攜手劉兆洋、李彥瑋、文束三位青年學者...

作者 | 凌敏 近日，清華 KEG 實驗室與智譜 AI 聯合推出了視覺 GUI Agent——CogAgent，CogAgent 是一個通用的視覺理解大模型，具備視覺問答、視覺定位（Ground...

克雷西 發自 凹非寺量子位 | 公眾號 QbitAI現在連文檔都有大模型了，還是高分辨率、多模態的那種！不僅能準確識別出圖像里的信息，還能結合用戶需求調用自己...

新智元報道編輯：好困【新智元導讀】最近，由南洋理工華人團隊新提出的80億參數多模態大模型OtterHD，不僅可以搞定讓GPT-4V都發愁的難題，甚至還可以數出來《...

機器之心報道編輯：杜偉、小舟習慣了 Stable Diffusion，如今終于又迎來一個俄羅斯套娃式（Matryoshka）Diffusion 模型，還是蘋果做的。在生成式 AI 時代，擴...

克雷西 發自 凹非寺量子位 | 公眾號 QbitAI蘋果的一項最新研究，大幅提高了擴散模型在高分辨率圖像上性能。利用這種方法，同樣分辨率的圖像，訓練步數減少了...