標簽：視覺

更沉浸 更個性 更孤獨OpenAI Sora 模型的誕生，讓不少人大呼「現實已經不存在了」，因為它能讓文字描述快速變成乍一看可以假亂真的視頻。 然而，真正可以讓現...

機器之心報道 機器之心編輯部視覺語言模型雖然強大，但缺乏空間推理能力，最近 Google 的新論文說它的 SpatialVLM 可以做，看看他們是怎么做的。視覺語言模型...

點擊上方藍字關注我們“OpenAI發布了最新產品Sora，能憑文本生成60秒生動視頻。Sora融合語言與圖像生成技術，實現了連貫的場景轉換，包括細節如頭發、服裝，以...

金磊 發自 凹非寺量子位 | 公眾號 QbitAIOpenAI創始研究員Andrej Karpathy，離職了——又一次。 Andrej Karpathy本人在X上發布了這一消息： 我昨天離開了OpenAI...

（謹以此文，獻給那些涉及 AI 需求的產品經理，領導，以及某些不稱職的算法工程師們） 今天來說點真話，不吐不快。 在ChatGPT 大模型到來之前，人工智能發展...

新智元報道編輯：桃子 【新智元導讀】最近，來自UCSB和蘋果的華人團隊提出了MGIE，通過多模態模型引導圖像精準編輯，可以10秒完成P圖。幾天前，庫克在蘋果電...

機器之心報道 編輯：蛋醬、陳萍拍張照片，輸入文字指令，手機就開始自動修圖？ 這一神奇功能，來自蘋果剛剛開源的圖片編輯神器「MGIE」。把背景中的人移除在...

夕小瑤科技說 原創作者 | 謝年年 想必大家都知道，CV大神何愷明將在24年加入MIT EECS（電子工程和計算機科學系），而就在近日，何愷明在個人主頁上官宣招收研...

機器之心報道 編輯：婁佳琪、張倩只用 61 個小時的數據：人們終于證明了，利用當代 AI 工具，實現「真正的語言學習」是可行的。 在公開采訪中，圖靈獎得主 Ya...

機器之心報道 機器之心編輯部去年 4 月，威斯康星大學麥迪遜分校、微軟研究院和哥倫比亞大學研究者共同發布了 LLaVA（Large Language and Vision Assistant）...

新智元報道編輯：LRS 【新智元導讀】不用圖像，只用文本就能訓練出視覺概念表征？用寫代碼的方式讀懂畫面，形狀、物體、場景都能懂！只會「看書」的大語言模...

機器之心報道 機器之心編輯部動態視覺分詞統一圖文表示，快手與北大合作提出基座模型 LaVIT 刷榜多模態理解與生成任務。 當前的大型語言模型如 GPT、LLaMA 等...

允中 發自 凹非寺量子位 | 公眾號 QbitAI建立會做視頻的世界模型，也能通過Transformer來實現了！ 來自清華和極佳科技的研究人員聯手，推出了全新的視頻生成...

Vary-toy團隊 投稿量子位 | 公眾號 QbitAI一款名為Vary-toy的“年輕人的第一個多模態大模型”來了！ 模型大小不到2B，消費級顯卡可訓練，GTX1080ti 8G的老顯卡...

新智元報道編輯：編輯部 【新智元導讀】多模態大模型將是AI下一個爆點。最近，通義千問VLM模型換新升級，超大杯性能堪比GPT-4V。最最重要的是，還能限時免費...