標簽：視覺

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...

允中 發自 凹非寺量子位 | 公眾號 QbitAI僅需1塊80G顯卡，大模型理解小時級超長視頻。 智源研究院聯合上海交通大學、中國人民大學、北京大學和北京郵電大學等...

新智元報道編輯：編輯部 HYZ 【新智元導讀】長視頻理解迎來新紀元！智源聯手國內多所頂尖高校，推出了超長視頻理解大模型Video-XL。僅用一張80G顯卡處理小時...

作者 | 華衛 近日，百度聯合復旦大學等發布 Hallo2，一個可以生成長達數小時且分辨率為 4K 的人物動畫的視覺模型。Hallo2 目前已經在 GitHub 平臺開源，供全...

Mono-InternVL團隊 投稿量子位 | 公眾號 QbitAI原生多模態大模型性能瓶頸，迎來新突破！ 上海AI Lab代季峰老師團隊，提出了全新的原生多模態大模型Mono-Inter...

導語ChatGPT 理解語言的方式和人類一樣嗎？卷積神經網絡和人腦視覺系統的表征有哪些類似之處？不同信息處理系統之間的差異要如何定量刻畫？本文介紹了表征對...

新智元報道編輯：喬楊 【新智元導讀】在NLP領域，研究者們已經充分認識并認可了表征學習的重要性，那么視覺領域的生成模型呢？最近，謝賽寧團隊發表的一篇研...

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...

下一個token預測，通向多模態AGI。 OpenAI前首席科學家、聯合創始人Ilya Sutskever曾在多個場合表達觀點：只要能夠非常好的預測下一個token，就能幫助人類達...

只需基于下一個 token 預測，智源 Emu3 重新定義多模態模型。OpenAI前首席科學家、聯合創始人Ilya Sutskever曾在多個場合表達觀點：只要能夠非常好的預測下一...

新智元報道編輯：編輯部 HYZ 【新智元導讀】最近，Ilya向黃仁勛描述「只要能預測下一個token，就能達到AGI」的視頻再次爆火全網，他的預言剛剛竟被證實？智源...

都說一圖勝千言，但你是否經常遇到這樣的場景：工作匯報、 PPT花了你大半天時間，上面的文字仍然堆積如山，網上又很難找到貼合你內容的圖片，而自己設計一個...

夢晨 發自 凹非寺量子位 | 公眾號 QbitAIOpenAI前首席科學家、聯合創始人Ilya Sutskever曾在多個場合表達觀點： 只要能夠非常好的預測下一個token，就能幫助...

機器之心發布 機器之心編輯部OpenAI 前首席科學家、聯合創始人 Ilya Sutskever 曾在多個場合表達觀點：只要能夠非常好的預測下一個 token，就能幫助人類達到...

TextHarmony團隊 投稿量子位 | 公眾號 QbitAI多模態生成新突破，字節&華師團隊打造TextHarmony，在單一模型架構中實現模態生成的統一，并入選NeurIPS 202...