標(biāo)簽：圖像

新智元報(bào)道編輯：alan 【新智元導(dǎo)讀】近日，一向畫風(fēng)精致的「蘋果牌AI」，也推出了升級版的多模態(tài)大模型，從1B到30B參數(shù)，涵蓋密集和專家混合模型，密集文本...

01前言最近一段時間恰好在推進(jìn)手上的一個做視頻生成相關(guān)的課??題，也是對視頻擴(kuò)散模型（Video Diffusion Models）這一領(lǐng)域有了頗多認(rèn)識。其中，視頻擴(kuò)散模型...

新智元報(bào)道編輯：編輯部 HYZ 【新智元導(dǎo)讀】研發(fā)6年，耗資數(shù)百萬，六屆學(xué)霸接力，上交牛力團(tuán)隊(duì)首創(chuàng)的圖像合成工具箱libcom，論文、代碼、數(shù)據(jù)集全開源。團(tuán)隊(duì)...

機(jī)器之心報(bào)道 機(jī)器之心編輯部arX?iv:2106.14490v5如果你對 arXiv 的版本號有所了解，你就知道這篇論文已經(jīng)更新了 4 次，現(xiàn)在已經(jīng)來到了第 5 個版本。實(shí)際上，...

在當(dāng)今數(shù)字化進(jìn)程飛速發(fā)展的時代，OCR（光學(xué)字符識別）技術(shù)雖已普及，但仍存在諸多瓶頸。傳統(tǒng) OCR 模型在面對復(fù)雜多變的情況時，識別準(zhǔn)確率會大打折扣，且處...

新智元報(bào)道編輯：LRS 【新智元導(dǎo)讀】Playground Research推出了新一代文本到圖像模型PGv3，具備240億參數(shù)量，采用深度融合的大型語言模型，實(shí)現(xiàn)了在圖形設(shè)計(jì)...

夢晨 西風(fēng) 發(fā)自 凹非寺量子位 | 公眾號 QbitAI最新AI文生圖模型Flux1.1，一夜刷屏。 只需一個簡單技巧，就能去除圖中的“AI味”，無論人物還是風(fēng)景都能達(dá)到照片...

作者：李寶珠 我們?yōu)榇蠹艺砹?3 款拯救廢片神器及其一鍵部署教程，快速 get 精致朋友圈！您的國慶假期余額已不足 2 天！旅游或是歸家探親的小伙伴是不是都...

機(jī)器之心報(bào)道 編輯：佳琪、PandaMolmo，開源多模態(tài)模型正在發(fā)力！雖然大家一直在期待谷歌、OpenAI 等等擁有無限資金儲備和頂尖人才的大廠做出新的 Sota 模型...

AIxiv專欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機(jī)器之心AIxiv專欄接收報(bào)道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)...

小扎在 Meta Connect 2024 主題演講中宣布推出首個多模態(tài)大模型 Llama 3.2 vision！該模型有 11B 和 90B 兩個版本，成為首批支持多模態(tài)任務(wù)的 Llama 系列模型...

時尚圖像編輯旨在根據(jù)給定的指令修改人物的外觀。現(xiàn)有的方法通常需要輔助工具，如分割器和關(guān)鍵點(diǎn)提取器，缺乏靈活且統(tǒng)一的框架。此外，這些方法在能夠處理的...

來源：歐米伽未來研究所 “歐米伽未來研究所”關(guān)注科技未來發(fā)展趨勢，研究人類向歐米伽點(diǎn)演化過程中面臨的重大機(jī)遇與挑戰(zhàn)。將不定期推薦和發(fā)布世界范圍重要科技...

作者：哇塞 編輯：李姝，李寶珠 麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室團(tuán)隊(duì)等，提出一種交互式生物醫(yī)學(xué)圖像分割通用模型 ScribblePrompt，支持不同注釋方式...

新智元報(bào)道編輯：桃子 好困 【新智元導(dǎo)讀】Meta首個理解圖文的多模態(tài)Llama 3.2來了！這次，除了11B和90B兩個基礎(chǔ)版本，Meta還推出了僅有1B和3B輕量級版本，適...