標簽：圖像

NeurIPS 2023 Spotlight｜高質量多視角圖像生成，完美復刻場景材質！SFU等提出MVDiffusion

新智元報道編輯：LRS 好困【新智元導讀】不怕多視角圖像變化大，MVDiffusion整合圖片全局意識，內容一致性更高！逼真的圖像生成在虛擬現實、增強現實、視頻游...
閱讀原文

試過GPT-4V后，微軟寫了個166頁的測評報告，業內人士：高級用戶必讀

機器之心報道編輯：陳萍、張倩這篇由微軟撰寫的報告，深入研究了GPT-4V的功能，任何想要探索GPT-4V潛力的人，都值得一讀。一周之前，ChatGPT迎來，不管是 GPT...
閱讀原文

真實性驚人，谷歌、康奈爾提出真實的圖像補全技術RealFill

機器之心報道編輯：XW得到一張好看的照片越來越容易了。假期出游，肯定少不了拍照留念。不過，大部分在景區拍攝的照片或多或少都有些遺憾，背景里不是多了些...
閱讀原文

Midjourney V6來襲！性能對標DALL·E 3，爭奪地表最強作圖AI稱號

新智元報道編輯：Lumina【新智元導讀】面對OpenAI來勢洶洶的DALL·E 3，Midjourney也爆料出了自己下一代更強的版本Midjourney V6，不僅性能對標DALL·E 3，還將...
閱讀原文

西交、清華等發布多模態大模型，有望成為「DALL·E 4」技術路線？和AI一起「白日作夢」

新智元報道編輯：LRS【新智元導讀】DALL·E 3讓我們看到了生成+理解的大語言模型的魔力。就在其發布的同一天，國內的一個新工作引起了社區的關注：DreamLLM。D...
閱讀原文

多模態版Llama2上線，Meta發布AnyMAL

機器之心報道編輯：大盤雞、澤南在多個基準測試中均刷新了業界最好的 zero-shot 性能。一個統一的模型，可以對不同模態輸入內容（文本、圖像、視頻、音頻、IM...
閱讀原文

微軟最新發布：從專家到通用AI代理，一文讀懂「多模態基礎模型」

視覺是人類和其他生物感知世界的主要渠道之一。人工智能（AI）的一個核心愿景是開發 AI 代理，模仿感知、生成視覺信號，與視覺世界進行互動。近日，微軟研究...
閱讀原文

對標DALL·E 3！Meta最強文生圖Emu技術報告出爐

新智元報道編輯：Lumina【新智元導讀】可以說，Meta剛剛發布的Emu，在性能上毫不遜色于DALL·E 3！而Emu取得優異性能背后的原因是「質量調整」。前幾天，OpenA...
閱讀原文

ChatGPT 終于“聯網”了！不再局限于舊數據，新功能即將對所有人開放

整理｜冬梅、核子可樂 當地時間周三（9 月 27 日），OpenAI 在 X（前身為推特）上宣布，其聊天機器人產品 ChatGPT 可以通過微軟的必應搜索引擎進行網絡搜索，...
閱讀原文

這套亞運郵票居然用上了AIGC，阿里云和中國郵政讓創作這件事變簡單了

機器之心報道作者：陳萍郵政之父羅蘭?希爾爵士的便士郵政法，引發了一場關于世界郵政的重要革新，同時也促進了世界上第一枚郵票「黑便士」的問世，這一年是 ...
閱讀原文

Meta版ChatGPT來了：Llama 2加持，接入必應搜索，小扎現場演示

機器之心報道機器之心編輯部「殺死」OpenAI，小扎這波穩了嗎？今天凌晨，一年一度的 Meta Connect 大會上發布了一系列以 AI 為重點的公告。不只有最新的 MR ...
閱讀原文

對 GPT-4V(ision) 的第一印象

圖文｜James Gallagher, Piotr Skalski翻譯｜匡萃彪在這個指南中，我們將分享我們對GPT-4V圖像輸入功能的第一印象。我們將進行一系列實驗，測試GPT-4V的功能...
閱讀原文

文檔字越多，模型越興奮！KOSMOS-2.5：閱讀「文本密集圖像」的多模態大語言模型

新智元報道編輯：LRS 好困【新智元導讀】文字也是一種視覺信息，多模態大語言模型KOSMOS-2.5不光能讀懂論文，還能輸出markdown格式！當前一個顯著的趨勢是致...
閱讀原文

揭秘OpenAI的震撼之舉：GPT-4V官方系統卡，你準備好被驚艷了嗎？

夕小瑤科技說 分享來源 | Web3天空之城OpenAI靜悄悄的拋出了個重磅炸彈：多模態GPT-4V（Vision）發布！GPT-4V允許用戶輸入圖像并結合文本prompt進行輸出。估...
閱讀原文

ChatGPT能語音和看圖了！五種音色選項，背后模型細節公開

接下來兩周內向Plus和企業版用戶推出。編譯|ZeR0編輯|漠影ChatGPT又升級了！智東西9月26日報道，OpenAI昨晚發布公告，宣布ChatGPT再度重磅升級，推出全新的語...
閱讀原文