標簽：視覺

明敏 發自 凹非寺量子位 | 公眾號 QbitAIMistral的多模態大模型來了！ Pixtral 12B正式發布，同時具備語言和視覺處理能力。 它建立在文本模型Nemo 12B基礎上...

點擊上方藍字關注我們“法國 AI 初創公司 Mistral 發布其首款多模態模型 Pixtral 12B，挑戰 OpenAI 和 Anthropic 等競爭對手。法國初創公司 Mistral AI 正式發...

演講嘉賓｜馮佳時 編輯 ｜蔡芳芳 策劃 ｜ AICon 全球人工智能開發與應用大會 近年來，大語言模型 (LLMs) 在文本理解與生成領域取得了顯著進展。然而，LLMs 在...

夢晨 發自 凹非寺量子位 | 公眾號 QbitAI大模型時代，有個大家普遍焦慮的問題：如何落地?往哪落地? 聚光燈下最耀眼的OpenAI，最近也先被曝出資金告急，后又尋...

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...

蘇昊、黃其興、祁芮中臺、盧策吾、朱玉可、王鶴、王世全、弋力、莫凱淳……他們從 3D 視覺出發，改寫了機器人的故事走向。作者 | 賴文昕 陳彩嫻 編輯 | 陳彩嫻2...

端到端自動駕駛目前逐漸被認為是實現完全自動駕駛的最優解，受到了學術界和產業界的廣泛關注。然而，最近的研究表明，近年來涌現的不少端到端自動駕駛模型，...

整理 | 褚杏娟 2023 年 8 月，通義千問開源第一代視覺語言理解模型 Qwen-VL，成為開源社區最受歡迎的多模態模型之一。短短一年內，模型下載量突破 1000 萬次...

生成式AI時代最火AI芯片峰會下月來襲！9月6-7日，智猩猩發起主辦的2024全球AI芯片峰會將在北京盛大舉行。峰會設有開幕式、數據中心AI芯片專場、邊緣/端側AI芯...

新智元報道編輯：LRST 好困 【新智元導讀】本文對AI增強的VR在醫療應用中的技術細節、工作流程和下游應用進行了全面審視，并提出了一個系統性的分類方法，將...

阿里mPLUG團隊 投稿量子位 | 公眾號 QbitAI4秒看完2小時電影，阿里團隊新成果正式亮相—— 推出通用多模態大模型mPLUG-Owl3，專門用來理解多圖、長視頻。 具體...

機器之心報道 編輯：張倩80 多篇論文搞懂「機器人+3D」研究進展。前段時間，多家媒體報道稱 ，著名 AI 學者、斯坦福大學教授李飛飛的創業公司 World Labs 在...

來源：專知 來自牛津大學Shuyang (Kevin) Sun博士論文《Towards Unified Visual Perception 》值得關注！探討統一視覺感知系統的構建。 Shuyang (Kevin) Sun ...

新智元報道編輯：喬楊 【新智元導讀】LLM的數學推理能力缺陷得到了很多研究的關注，但最近浙大、中科院等機構的學者們提出，先進模型在視覺推理方面同樣不足...

對標 GPT-4V，面壁讓實時視頻理解成功“跑”在端側。作者 | 朱可軒 編輯 | 陳彩嫻 真實世界的視覺信息是流動的，而在處理流動性的視覺信息上，端側視頻理解具有...