-
卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完。
一杯奶茶，成为 AIGC+CV 视觉前沿弄潮儿！ 25个方向！CVPR 2022 GAN论文汇总 35个方向！ICCV 2021 最全GAN论文汇总 超110篇！CVPR 2021 最全GAN论文梳理 超100篇！CVPR 2020...
-
兵马俑跳《科目三》，是我万万没想到的
家人们，火爆全球的魔性舞蹈《科目三》，谁能料到，就连兵马俑也开始跳上了！ 图片 热度还居高不下，瞬间被轰上了热搜，小伙伴们纷纷惊掉了下巴表示“闻所未闻，见所未见”。 图片 这到底是怎么一回事？ 原来，是有人借助了阿里之前走红的AI技术——AnimateA...
-
首创pix2emb范式！NUS清华联合发布NExT-Chat：对话/检测/分割全能多模态大模型
随着ChatGPT的爆红，多模态领域也涌现出一大批可以处理多种模态输入的对话模型，如LLaVA, BLIP-2等等。 为了进一步扩展多模态大模型的区域理解能力，近期新加坡国立大学NExT++实验室和清华大学的研究人员联手打造了一个可以同时进行对话和检测、...
-
万字长文谈自动驾驶BEV感知
本文经自动驾驶之心公众号授权转载，转载请联系出处。 prologue 这有可能是更的最长的文章系列了，先说为什么，一方面是看到分割大模型对小模型的提升效果需要时间，另一方面是之前对自动驾驶的BEV算法做了很长时间的预研，自己也应该好好梳理一下了。 （很...
-
新一轮工业革命！周鸿祎呼吁All in AI：2024将出现杀手级应用
快科技1月5日消息，今晚举办的2023年风马牛年终秀”上，360创始人周鸿祎呼吁All in AI，未来最大的创新机会在大模型。 周鸿祎表示：大模型已经开启新一轮工业革命，不发展是最大的不安全。 周鸿祎建议企业将含AI量”作为业务考核指标，倒逼企业完成数字...
-
只需1080ti，即可在遥感图像中对目标进行像素级定位！代码数据集已开源！
太长不看版 这篇论文介绍了一项新的任务 —— 指向性遥感图像分割（RRSIS），以及一种新的方法 —— 旋转多尺度交互网络（RMSIN）。RRSIS 旨在根据文本描述实现遥感图像中目标对象的像素级定位。为了解决现有数据集规模和范围的限制，本文构建了一个新...
-
2023全球AI企业大盘点！2024最能搞钱的方向是什么？
2023，AI狂飙了一整年。 无论是科技巨头还是初创企业，都在发掘生成式AI的潜力，布局各自的AI产品。高盛数据显示，至2025年全球AI领域投资数额将达2000亿美元。 投资者们倾向在AI等创新领域寻找新机会和新的增长点。美国著名风险投资家Aileen...
-
周鸿祎分享2024年大模型发展趋势的十大预测：将出现杀手级应用
划重点: 日前，三六零（360）创始人周鸿祎在“2023年风马牛年终秀”上分享了对2024年大模型发展趋势的十大预测，呼吁企业全面投入AI，树立“AI信仰”。 周鸿祎认为，未来的创新机会将主要集中在大模型领域，因此提出了对大模型发展趋势的十大预测。 周...
-
周鸿祎公布2024大模型十大趋势判断：原子弹变茶叶蛋
快科技1月6日消息，昨晚举办的2023年风马牛年终秀”上，360创始人周鸿祎分享了自己关于2024大模型的十大趋势判断。 周鸿祎表示：大模型将成为数字系统标配，就像当年的PC一样，无处不在。 而且2024年开源大模型将爆发，让大模型从原子弹”变成茶叶蛋”，...
-
AI平台：OpenXLab浦源
OpenXLab浦源 开放项目应用中心模型中心数据集中心文档中心 搜索 中文EN创建登录注册人工智能开源开放体系浦源内容平台应用中心探索多领域应用，体验丰富的社区生态AIGC语音计算机视觉自然语言处理多模态技术更多在这里...
-
AI平台：BetterYeah，AI客服/AI营销/AI销售，构建企业专属AI Agent
BetterYeah，AI客服/AI营销/AI销售，构建企业专属AI Agent 产品定价文档关于我们登录注册极智·极效·极创 轻松打造业务专家级的AI工作助手立即体验加入AI Agent讨论社区享你所想的AI绝佳拍档 智能客服、 招聘助理、 策划...
-
一句话精准视频片段定位！清华新方法拿下SOTA｜已开源
只需一句话描述，就能在一大段视频中定位到对应片段！ 比如描述“一个人一边下楼梯一边喝水”，通过视频画面和脚步声的匹配，新方法一下子就能揪出对应起止时间戳： 就连“大笑”这种语义难理解型的，也能准确定位： 方法名为自适应双分支促进网络（ADPN），由清...
-
专补大模型短板的RAG有哪些新进展？这篇综述讲明白了
大型语言模型（LLMs）已经成为我们生活和工作的一部分，它们以惊人的多功能性和智能化改变了我们与信息的互动方式。 然而，尽管它们的能力令人印象深刻，但它们并非无懈可击。这些模型可能会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏...
-
看见这张图没有，你就照着画：谷歌图像生成AI掌握多模态指令
用图2的风格画图1的猫猫并给它戴上一顶帽子。谷歌新设计的一种图像生成模型已经能做到这一点了!通过引入指令微调技术，多模态大模型可以根据文本指令描述的目标和多张参考图像准确生成新图像，效果堪比 PS 大神抓着你的手助你 P 图。 在使用大型语言模型（LLM...
-
百度抢先发布中国版ChatGPT——文心一言，现已开通测试申请
3月16日，百度抢先其他国内科技巨头一步，率先发布被誉为中国版ChatGPT的“文心一言”。 即日起，百度也通过“百度智能云”官网正式开发“文心一言”的预约，申请云服务测试。 但是，目前百度智能云只面向企业级客户开放文心一言的API接口调用服务，后...
-
ChatGPT-4、Bard、Claude-2 和 Copilot空间任务的正确性比较
大语言模型 (LLM 在内的生成人工智能最近因其多功能的任务解决能力（包括编码、空间计算、样本数据生成、时间序列预测、地名识别或图像分类）而引起了科学界的极大兴趣。人工智能聊天机器人是一种利用大型语言模型（LLM）来生成自然语言对话的技术，它们在各个领...
-
AI视野：自定义ChatGPT商店下周上线；小冰克隆人正式上线；美图大模型上线；普林斯顿大学提出GEO；英伟达发布文生图模型TrailBlazer
新鲜AI产品点击了解：https://top.aibase.com/ ???AI新鲜事 自定义ChatGPT商店下周上线 OpenAI宣布将上线自定义GPT商店，用户可以将自己开发的自定义ChatGPT助手进行分享的平台。这一商店的功能类似于苹果的App...
-
Instruct-Imagen官网体验入口 AI多模态图像生成模型软件免费下载地址
Instruct-Imagen是一个多模态图像生成模型，专注于处理异构图像生成任务，并在未知任务中展现出良好的泛化能力。该模型通过引入多模态指令，利用自然语言整合不同模态（如文本、边缘、风格、主题等），标准化丰富的生成意图。它在预训练文本到图像扩散模型上进...
-
谷歌DeepMind机器人成果三连发！两大能力全提升，数据收集系统可同时管理20个机器人
几乎是和斯坦福“炒虾洗碗”机器人同一时间，谷歌DeepMind也发布了最新具身智能成果。 并且是三连发： 先是一个主打提高决策速度的新模型，让机器人的操作速度（相比原来的Robotics Transformer）提高了14%——快的同时，质量也没有下滑...
-
OpenAI推出GPT-3.5Turbo微调功能并更新API；Midjourney更新局部绘制功能
? AI新闻 ? OpenAI推出GPT-3.5Turbo微调功能并更新API，将提供GPT-4微调功能 摘要：OpenAI宣布推出GPT-3.5Turbo微调功能，并更新API，使企业和开发者能够定制ChatGPT，达到或超过GPT-4的能力。通...
-
人工智能生成内容（AIGC）总览记录（认知篇）！！！
文章目录 一、AIGC 引入 1.1 AIGC 定义 1.2 AIGC 历史沿革（了解） 1.3 AIGC 技术演进 二、AIGC 大模型 2.1 视觉大模型提升 AIGC 感知能力 2.2 语言大模型增强 AIGC 认知能力 2.3 多...
-
OpenAI的ChatGPT、微软的New Bing、百度的文心一言、Google的Bard、阿里云的通义千问
随着 ChatGPT 热潮卷起来，微软发布New Bing、百度发布了文心一言、Google 发布了 Bard，阿里云官方终于也宣布了，旗下的 AI 大模型“通义千问”也正式开启测试！ ChatGPT ChatGPT是一种由OpenAI训练的大...
-
VCoder官网体验入口 AI图像语义理解app软件免费下载地址
VCoder是一个适配器，通过辅助感知模式作为控制输入，来提高多模态大型语言模型在对象级视觉任务上的性能。VCoder LLaVA是基于LLaVA-1. 5 构建的，不对LLaVA-1. 5 的参数进行微调，因此在通用的问答基准测试中的性能与LLaVA-1...
-
AI行业或成2024就业新风口！钉钉联合IDC发布《2024 AIGC应用层十大趋势白皮书》
根据钉钉联合 IDC 发布的《2024AIGC 应用层十大趋势白皮书》，预测到2024年全球将涌现出超过5亿个新应用，AIGC 技术将呈现爆发式增长。 报告指出，AIGC 应用将在 B 端办公和生产力场景中率先落地，其中知识管理是最受企业青睐的应用场景。A...
-
2024年AI还能帮你干什么？这十个趋势必须关注
元旦节收假，你身心都复工了吗？ 新的一年，有没有跟我一样，既想打工挣钱花，又想从具体任务中解放出来的？最好是能在新的一年，实现个人能力的极大增强…… 所以今天，咱们就好好说一说，新的一年里，怎样能让AI多给自己帮帮忙（doge）。 或许你已经关注到了，...
-
GPT-4V开源平替！清华浙大领衔，LLaVA、CogAgent等开源视觉模型大爆发
如今，GPT-4 Vision在语言理解和视觉处理方面展现出了非凡的能力。 然而，如果想在不影响性能的前提下，寻求具有成本效益的替代方案，开源方案就蕴藏着无限可能。 国外的一位开发者Youssef Hosni为大家奉上了三种GPT-4V的开源替代方案，可...
-
M2UGen体验入口 AI多模态音乐生成框架免费下载地址
M2UGen是一款结合大语言模型的多模态音乐理解和生成框架，旨在协助用户进行音乐创作。它能同时完成音乐理解和多模态音乐生成任务，为音乐创作、音乐理解研究和音乐应用开发提供了强大的支持。 点击前往M2UGen体验入口 M2UGen适用于哪些用户？ M2U...
-
肖仰华：走向千行百业的大模型
现如今，我们站在了大模型技术和产业发展的中场思考阶段。这个阶段的开启源于 ChatGPT 的诞生，它引发了广泛而深入的关注。尽管这种关注对于推动技术和产业的发展起到了至关重要的作用，但同时我们也看到了一系列问题的浮现。这些问题包括成本和价值的问题以及一些...
-
苹果ferret官网体验入口 Apple AI模型工具免费下载地址
Appleml-ferret是一个先进的端到端机器学习语言模型（MLLM），专门设计用于在多模态环境中进行精准定位。它结合了混合区域表示和空间感知的视觉采样器，支持对细粒度和开放词汇的引用和定位。此外，ml-ferret还包含了包括约 110 万个样本的G...
-
谷歌推Bard百度推文心一言：挑战ChatGPT 竞争白热化
雷递网 雷建平 2月7日 在ChatGPT大获成功的推动下，百度宣布将推出类ChatGPT项目，该项目名字确定为文心一言，英文名ERNIE Bot，三月份完成内测，面向公众开放。 目前，文心一言在做上线前的冲刺。 2022年9月，百...
-
AIGC产业研究报告2023——视频生成篇
易观：今年以来，随着人工智能技术不断实现突破迭代，生成式AI的话题多次成为热门，而人工智能内容生成（AIGC）的产业发展、市场反应与相应监管要求也受到了广泛关注。为了更好地探寻其在各行业落地应用的可行性和发展趋势，易观对AIGC产业进行了探索并将发布AIG...
-
清华大学研发 LLM4VG 基准：用于评估 LLM 视频时序定位性能
12 月 29 日消息，大语言模型（LLM）的触角已经从单纯的自然语言处理，扩展到文本、音频、视频等多模态领域，而其中一项关键就是视频时序定位（Video Grounding，VG）。 VG 任务的目的基于给定查询（一句描述），然后在目标视频段中定位...
-
展望未来：人工智能的2024年
从生成式人工智能(GenAI 工具到拥抱AIOps，以下是人工智能的未来。 当我们站在2024年的边缘时，人工智能(AI 的发展轨迹将重新定义创新的边界。回顾生成式人工智能的历史，很明显，像ChatGPT和Bard这样的模型主要专注于文本处理。虽然具有...
-
谷歌Gemini大逆转？斯坦福Meta华人证明其推理性能强于GPT-3.5
【新智元导读】谷歌放出的Gemini，在对标GPT的道路上似乎一直处于劣势，Gemini真的比GPT-4弱吗?最近，斯坦福和Meta的学者发文为Gemini正名。 Gemini的推理能力，真的比GPT-4弱吗? 此前，谷歌憋出的重磅复仇神器Gemini P...
-
AI论文范文：AIGC中的图像转视频技术研究
声明： ⚠️本文由智元兔AI写作大师生成，仅供学习参考智元兔-官网|一站式AI服务平台|AI论文写作|免费论文扩写、翻译、降重神器 1 引言 1.1 AIGC技术背景介绍 1.2 图像转视频技术的重要性与应用场景 1.3 研究动机与目标 2...
-
2024年，AI“魔盒”还能开出什么？
刚刚过去的2023年里，GPT大模型开启了普通人走向AI世界的“魔盒”，也拉开了全球各国科技公司的大模型“军备赛”。 文本、图片、视频大模型纷纷涌现后，应用端狂卷创新，也造成AI芯片资源紧缺，“AI替代论”、“风险质疑”无时无刻不在上演。AI的一面是人类对...
-
GPT-4抽象推理PK人类差距巨大！多模态远不如纯文本，AGI火花难以独立燃烧
GPT-4，可能是目前最强大的通用语言大模型。一经发布，除了感叹它在各种任务上的出色表现之外，大家也纷纷提出疑问：GPT-4是AGI吗？他真的预示了AI取代人类那一天的到来吗？ 推特上也有一众网友发起了投票： 其中，反对的观点主要在于： - 有限的推理...
-
百度正式推出「文心一言」，然而港股股价已暴跌近 10%，客观来说其能力与 ChatGPT 相较如何？...
击上方关注 “终端研发部” 设为“星标”，和你一起掌握更多数据库知识 本文首发于我的知乎：- 终端研发部的回答 - 知乎 https://www.zhihu.com/question/589941496/answer/293924...
-
最新国内使用GPT4教程，GPT语音对话使用，Midjourney绘画，ChatFile文档对话总结+DALL-E3文生图
一、前言 ChatGPT3.5、GPT4.0、GPT语音对话、Midjourney绘画，文档对话总结+DALL-E3文生图，相信对大家应该不感到陌生吧？简单来说，GPT-4技术比之前的GPT-3.5相对来说更加智能，会根据用户的要求生成多种内容甚至也可以...
-
GPT-5不会真正突破，24年AGI不会实现！全网AI大佬24年最全预测
【新智元导读】经过23年的生成式AI之年，24年AI会有哪些新突破?大佬预测，即使GPT-5发布，LLM在本质上仍然有限，在24年，基本的AGI也不足以实现。 23年是当之无愧的「生成式AI之年」。 24年，AI技术会有哪些突破? 英伟达高级科学家Jim...
-
vscode中使用GitHub Copilot Chat
文章目录 一、什么是Github Copilot Chat 二、安装使用 三、如何使用 1. 聊天功能 2. 内联功能 一、什么是Github Copilot Chat GitHub Copilot Chat 由 OpenAI...
-
最新国内免费使用GPT4教程，GPT语音对话使用，Midjourney绘画
一、前言 ChatGPT3.5、GPT4.0、GPT语音对话、Midjourney绘画，相信对大家应该不感到陌生吧？简单来说，GPT-4技术比之前的GPT-3.5相对来说更加智能，会根据用户的要求生成多种内容甚至也可以和用户进行创作交流。 然而，GPT-...
-
Mistral 欧洲最强模型团队的野望；国内大模型都是套壳LLaMA？Claude官方提示词教程-中英双语；AI原生应用难产了；AI Agents实践经验 | ShowMeAI日报
?日报&周刊合集 | ?生产力工具与行业应用大全 | ? 点赞关注评论拜托啦！ ? 看热闹不嫌事大！马斯克：OpenAI首席科学家 Ilya 应该跳槽到xAI https://www.businessinsider.com/...
-
文心一言“拜师”了！金灿荣、王先进等成为首批“文心导师”
12月28日，由深度学习技术及应用国家工程研究中心主办的WAVE SUMMIT+深度学习开发者大会2023在北京召开。百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰现场公布了飞桨文心五载十届最新生态成果，文心一言最新用户规模破1亿，截至12月...
-
用户规模破亿！基于文心一言的创新应用已超4000个
?♂️ 个人主页：@艾派森的个人主页 ✍?作者简介：Python学习者 ? 希望大家多多支持，我们一起进步！? 如果文章对你有帮助的话， 欢迎评论 ?点赞?? 收藏 ?加关注+ 12月28日，由深度学习技术及应用国家工程研究中...
-
大江南北十三省，蓬门今始为君开，数字政府建设“实在”必行
引言： 推动数字中国建设是实现中国式数字化进程、抢占未来发展制高点的关键。为全面推动数字化转型在政府领域的纵深发展，各地领导不断进行数字化探索。其中，数字员工凭借流动的数据、流畅的体验，百姓少跑腿、数据多跑路特点，以技术夯实数字中国建设底座，带领我国数字...
-
Stable Diffusion的结构要被淘汰了吗？详细解读谷歌最新大杀器VideoPoet
Diffusion Models视频生成-博客汇总 前言：视频生成领域长期被Stable Diffusion统治，大部分的方式都是在预训练的图片Stable Diffusion的基础上加入时间层，学习动态信息。虽然有CoDi《【NeurIPS...
-
LLM之RAG实战（七）| 使用llama_index实现多模态RAG
一、多模态RAG OpenAI开发日上最令人兴奋的发布之一是GPT-4V API（https://platform.openai.com/docs/guides/vision）的发布。GPT-4V是一个多模态模型，可以接收文本/图像，并可以...
-
周鸿祎预言2024年大模型将无处不在 多模态能力成国产标配
近日，在清华大学举行的演讲中，360集团创始人周鸿祎对2024年大模型的发展趋势进行了深刻的预测，引发了业界的广泛关注。 周鸿祎首先指出，与操作系统不同，大模型将呈现无处不在的趋势，更类似于电脑的普及。在他看来，大模型不会被垄断，而是将成为各领域的关键支持...
-
Gemini vs GPT-4V到底哪家强？视觉-语言模型的全面比较和结合使用
概括 大家好，我是戚张扬，目前就读于香港大学，今天和大家分享一篇我们关于视觉语言模型最新的研究，这篇论文提供了对谷歌的Gemini和OpenAI的GPT-4V(ision 两个SOTA模型的深入定性比较研究。我们的研究涉及到对这两个模型在视觉语言能力、与...