图像生成
图像,绘画
港大字节提出多模态大模型新范式，模拟人类先感知后认知，精确定位图中物体
多模态大模型（MLLM）在视觉任务中展现出强大的认知理解能力，但目前大多数模型局限于单向的图像理解，难以在图像上进行精确定位。这一问题限制了模型在图像...
如何用深度学习框架 PyTorch 进行数据处理？ | Q 福利
在深度学习中，数据预处理是保证模型训练效率和泛化能力的关键环节。PyTorch作为流行的深度学习框架，提供了丰富的数据处理工具，可以轻松实现数据的加载、清...
惊掉下巴：GPT-4o现场爆改代码看图导航！OpenAI曝光LLM路线图，GPT Next年底发
在巴黎举办的VivaTech科技活动上，OpenAI的开发者体验负责人Romain Huet揭示了公司一系列令人瞩目的进展。首先，他确认了今年将推出新一代旗舰模型，并非命名...
一家游戏公司，如何做出一款千万月访问量的AI图像出海产品？
在最新的AI产品网站流量榜单中，海艺互娱旗下的AI生图产品SeaArt表现出色，3月份流量增长36.8%，达到1110万，全球排名53，较上月上升19位。SeaArt自2023年6月...
世界模型也扩散！训练出的智能体竟然不错
在图像生成领域，扩散模型已成为主流方法，并开始被应用于挑战强化学习智能体。近期研究提出了扩散世界模型，其主要通过对离散潜在变量序列的操作来模拟环境...
一文读懂：GPU是如何工作的？
根据文章内容的详细介绍和分析，我总结了以下关键观点：1. GPU的工作原理是通过大量并行线程来加速计算，特别适合于执行大量重复性高的计算任务。2. 与CPU相...
视频版PS！0样本视频编辑模型，普通人秒变钢铁侠
研究人员推出了一款名为Slicedit的创新视频编辑模型，通过结合文本到图像的扩散模型和视频时空切片的预处理技术，实现了在不改变视频背景的情况下修改视频主...
开源多模态SOTA再易主，19B模型比肩GPT-4v，16G显存就能跑
在最新的开源多模态SOTA模型竞争中，CogVLM2成功夺得王冠，由大模型创业公司智谱AI推出。该模型在OCRbench、TextVQA等三项关键基准测试中大幅领先于GPT-4v和G...
Scale AI获10亿美元融资，估值138亿美元
专业从事数据标注的Scale AI公司宣布完成了10亿美元的F轮融资，公司估值达到138亿美元。此轮融资由Accel领投，并获得亚马逊、英特尔等全球知名公司的跟投。作...
微软一夜干翻苹果Mac！GPT-4o装进全家桶，微软把全世界PC都AI了
微软推出首款Copilot+ PC，这款产品采用了全新的神经处理单元（NPU）架构和重新设计的Windows 11系统，搭载了地表最强GPT-4o模型和40多个其他模型。这款PC被...
