標簽：物體

上交發布MG-LLaVA，基于多粒度指令調整，橫掃視覺大模型榜單

夕小瑤科技說 原創作者 |Richard近年來多模態大語言模型(MLLMs)在視覺理解任務中取得了長足進步。然而，大多數模型仍局限于處理低分辨率圖像，這限制了它們在...
閱讀原文

靠Scaling Laws煉出4D版視頻生成模型，多倫多大學北交大等攜手開源81K高質量數據集

Diffusion4D團隊 投稿量子位 | 公眾號 QbitAI只需幾分鐘、一張圖或一句話，就能完成時空一致的4D內容生成。 注意看，這些生成的3D物體，是帶有動作變化的那種...
閱讀原文

斯坦福博士助力，一年打造7億融資獨角獸！銀河通用機器人創具身智能賽道天使輪融資紀錄

新智元報道編輯：編輯部 【新智元導讀】過去一年，美元在華投資大幅縮水，資本市場呈現「寒冬」態勢。然而，在這樣的背景下，這家中國公司成立僅一年卻創紀錄...
閱讀原文

給NeRF開透視眼！稀疏視角下用X光進行三維重建，9類算法工具包全開源 | CVPR 2024

新智元報道編輯：LRST 【新智元導讀】本文提出了SAX-NeRF框架，一種專為稀疏視角下X光三維重建設計的新型NeRF方法，通過Lineformer Transformer和MLG采樣策略...
閱讀原文

北大快手攻克復雜視頻生成難題！新框架輕松組合各種細節，代碼將開源

楊靈 投稿自 凹非寺量子位 | 公眾號 QbitAI如何生成高難度、指令超復雜的視頻呢？ 北大與快手AI有解了，他們提出新框架VideoTetris，就像拼俄羅斯方塊一樣，...
閱讀原文

3D資產生成領域福音：自動化所、北郵團隊聯合打造材質生成新范式

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術...
閱讀原文

顛覆傳統操控！解密美國東北大學機器蛇如何在復雜地形中靈活表現

大數據文摘受權轉載自機器大講堂 你沒看錯，這個不斷翻滾上坡的條狀物是一個蛇形機器人。 在人們的印象中，大多數蛇形機器人似乎無法像許多輪式和腿式機...
閱讀原文

銀河通用王鶴：讓具身智能機器人“言出法隨”，需攻克兩大局限性丨GenAICon 2024

沒有做好小模型的公司、沒有能讓動作小模型泛化的公司不可能讓大模型泛化。 2024中國生成式AI大會于4月18-19日在北京舉行，在大會第一天的主會場開幕式上，北...
閱讀原文

港大字節提出多模態大模型新范式，模擬人類先感知后認知，精確定位圖中物體

允中 發自 凹非寺量子位 | 公眾號 QbitAI當前，多模態大模型（MLLM）在多項視覺任務上展現出了強大的認知理解能力。 然而大部分多模態大模型局限于單向的圖像...
閱讀原文

李飛飛「空間智能」系列新進展，吳佳俊團隊新「BVS」套件評估計算機視覺模型

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術...
閱讀原文

讓機器準確「看懂」手物交互動作，清華大學等提出GeneOH Diffusion方法

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術...
閱讀原文

硬核解決Sora的物理bug！美國四所頂尖高校聯合發布：給視頻生成器裝個物理引擎

新智元報道編輯：LRS 【新智元導讀】PhysDreamer利用材質點法（MPM）對物體的各個物理屬性進行估計，實現了逼真的交互式響應結果，在視頻生成領域向更真實的...
閱讀原文

看透物體的3D表示和生成模型：NUS團隊提出X-Ray

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術...
閱讀原文

華為P70閃拍功能意外爆火，CTO親自下場解讀技術原理

克雷西 發自 凹非寺量子位 | 公眾號 QbitAI一段博主拍攝的視頻，讓華為P70的抓拍功能意外火了…… 注意看，這里有一個高速運轉的機械，是不是讓你看得已經眼花...
閱讀原文

無任務學習及在機器人任務和規劃中的應用

大數據文摘授權轉載自中國人工智能學會 作者：張憲琦，范曉鵬摘 要： 本文提出了無任務學習的方法，闡述了其與現有方法（包括自監督學習、遷移學習、模仿學習...
閱讀原文