-
国内AI顶会CPAL论文录用结果放出！共计30篇Oral和60篇Spotlight
大家可能还记得，今年五月份公布的，将由国内大佬马毅和沈向洋牵头办的全新首届AI学术会议CPAL。 这里我们再介绍一下CPAL到底是个什么会，以防有的读者时间太久有遗忘—— CPAL（Conference on Parsimony and Learning...
-
使用 Diffusers 通过 DreamBooth来训练 Stable Diffusion
邀请参与我们的 DreamBooth 微调编程马拉松活动！ DreamBooth 是一种使用专门的微调形式来训练 Stable Diffusion 的新概念技术。一些人用他仅仅使用很少的他们的照片训练出了一个很棒的照片，有一些人用他去尝试新的风格。?...
-
motionface respeak新的aigc视频与音频对口型数字人
在当今的数字化时代，人工智能（AI）正在逐渐渗透到我们生活的方方面面。其中，AI技术在视频制作和处理领域的应用也日益广泛。本文将探讨如何利用AI技术实现视频中人脸与音频同步对口型的方法，旨在进一步丰富视频制作的效果和表现形式。 数字人一件...
-
云上使用 Stable Diffusion ，模型数据如何共享和存储
随着人工智能技术的爆发，内容生成式人工智能（AIGC）成为了当下热门领域。除了 ChatGPT 之外，文本生成图像技术更令人惊艳。 Stable Diffusion，是一款开源的深度学习模型。与 Midjourney 提供的直接将文本转化为图像的服务不同...
-
ControlNet多重控制功能推出，AI绘画进入导演时代！
目录 一、“不会开发游戏的AI工具制作者不是好博士” 二、ControlNet出现的背景 三、什么是ControlNet？ 四、「神采 Prome AI」的诞生 五、总结 去年DALLE2，Stable Diffusion等文-图底层大模型发...
-
Meta语音达LLaMA级里程碑！开源MMS模型可识别1100+语言
【新智元导读】Meta的大规模多语言语音 （MMS） 项目将彻底改变语音技术，使用wav2vec 2.0的自监督学习，MMS将语音技术扩展到1100到4000种语言。 在语音方面，Meta又达到了另一个LLaMA级的里程碑。 今天，Me...
-
大模型LLaMA和微调LLaMA
1.LLaMA LLaMA的模型架构:RMSNorm/SwiGLU/RoPE/Transformer/1-1.4T tokens，和GPT一样都是基于Transformer这个架构。 1.1对transformer子层的输入归一化 与Transf...
-
AI文生视频，会在明年迎来“GPT时刻”
在当下的AI赛道上，AI生文、生图的应用，早已层出不穷，相关的技术，也在不断日新月异。 而与之相比，AI文生视频，却是一个迟迟未被“攻下”的阵地。 抖动、闪现、时长太短，这一系列缺陷，让AI生成的视频只能停留在“图一乐”的层面，很难拿来使用，更不要说提供商...
-
Stable-Diffusion 在线部署
Stable-Diffusion 在线部署 1. 注册 链接：https://aistudio.baidu.com/aistudio/newbie?invitation=1&sharedUserId=4982053&sharedUs...
-
高级勒索软件活动突出了对AI网络防御的需求
Deep Instinct的CIO Carl Froggett在访谈中谈到了2024年预算重点向勒索软件预防技术转变，他预计AI，特别是深度学习，将更多地融入业务流程，自动化工作流，并塑造工作场所体验。 勒索软件攻击的新趋势是什么，企业应该如何使用A...
-
抖音跳舞不用真人出镜，一张照片就能生成高质量视频！字节新技术连抱抱脸CTO都下场体验了
看！现在正有四位小姐姐在你面前大秀热舞： 以为是某些主播在短视频平台发布的作品？ No，No，No。 真实答案是：假的，生成的，而且还是只靠了一张图的那种！ 真实的打开方式是这样的： 这就是来自新加坡国立大学和字节跳动最新的一项研究，名叫Magic...
-
AI绘画后面的论文——ControlNet:Adding Conditional Control to Text-to-Image Diffusion Models
AI绘画后面的论文——ControlNet:Adding Conditional Control to Text-to-Image Diffusion Models 代码：lllyasviel/ControlNet: Let us control di...
-
AIGC ChatGPT 制作地图可视化分析
地图可视化分析是一种将数据通过地图的形式进行展示的方法，可以让人们更加直观、快速、准确的理解和分析数据。以下是地图可视化分析的一些主要好处： 加强数据理解：地图可视化可以将抽象的数字转化为直观的图形，帮助我们更好地理解复杂的数据集。 揭示地理模...
-
AI实战营：生成模型+底层视觉+AIGC多模态 算法库MMagic
目录 环境安装 黑白照片上色 文生图-Stable Diffusion 文生图-Dreambooth 图生图-ControlNet-Canny 图生图-ControlNet-Pose 图生图-ControlNet Animation 训...
-
DDPM详解 AI绘画
话说DDPM DDPM模型，全称Denoising Diffusion Probabilistic Model，可以说是现阶段diffusion模型的开山鼻祖。不同于前辈GAN、VAE和flow等模型，diffusion模型的整体思路是通过一种偏...
-
关于语言模型私有化部署的讨论 | AIGC实践
上周在与TC同行关于AIGC实践的线上交流中，大家普遍比较关心的一个实践切入点是：语言模型的私有化部署——简单来说，就是在企业内部，部署一个属于自己的“ChatGPT”，对于本行业/专业知识，以及企业独有的产品和技术信息有充分的了解，并且提供用户接口...
-
什么是AI绘画?
什么是AI绘画 AI 绘画无疑是 AIGC 圈最靓的那个仔! 我们只要输入相关描述性短语，AI就可以生成对应的图片。 它对 工业设计、漫画、效果图渲染和动画制作等行业造成了巨大的冲击。 但目前国内上手学习使用 Al 绘画成本还是相对比较高，比较火的...
-
【GPT4】微软 GPT-4 测试报告（4）GPT4 的数学能力
**欢迎关注【youcans的AGI学习笔记】原创作品微软 GPT-4 测试报告（1）总体介绍微软 GPT-4 测试报告（2）多模态与跨学科能力微软 GPT-4 测试报告（3）编程能力微软 GPT-4 测试报告（4）数学能力微软 GPT-4 测试报告（5）...
-
颠覆Transformer霸权！CMU普林斯顿推Mamba新架构，解决致命bug推理速度暴增5倍
深度学习进入新纪元，Transformer的霸主地位，要被掀翻了？ 2017年6月12日横空出世，让NLP直接变天，制霸自然语言领域多年的Transformer，终于要被新的架构打破垄断了。 Transformer虽强大，却有一个致命的bug：核心注意力...
-
大模型版“5年高考3年模拟”来了！6141道数学题，还是多模态的那种
大模型的“5年高考3年模拟”数学题来了，还是加强强强版！ 微软、加州大学洛杉矶分校（UCLA）、华盛顿大学（UW）联合打造全新多模态数学推理基准数据集。 名为“MathVista”。 涵盖各种题型共6141个问题，来源于28个现有的多模态数据集和3个新标...
-
如何在企业中采用生成式人工智能
在企业中嵌入生成式人工智能的用例是什么?它如何帮助减轻重复性管理的负担?它的局限性是什么? 研究机构Gartner公司报告称，在过去三年，全球的风险投资公司在生成人工智能解决方案上投资了逾17亿美元。随着人工智能增强的聊天机器人风靡全球，这种情况只会急...
-
Runway和Getty宣布合作开发新生成式AI视频模型RGM
Runway ML与Getty Images宣布合作开发新的生成式AI视频模型，命名为Runway Getty Images Model（RGM），旨在服务好莱坞和广告行业。 RGM不仅仅是一个视频模型，更是为企业提供的基准模型，企业可以在其基础上构建自己...
-
Runway和Getty合作开发新生成式AI视频模型RGM 瞄准好莱坞和广告行业
Runway ML与Getty Images的合作标志着AI视频领域的重要进展。这次合作将开发一个新的生成式AI视频模型，命名为Runway Getty Images Model（RGM），专注于服务好莱坞和广告等视觉媒体行业。 RGM的独特之处在于，它将...
-
艺术家集体诉讼AI公司侵权新进展 新增被告Runway
艺术家集体对三家AI公司提起的侵权诉讼有了新的进展。 原本由三名艺术家Sarah Anderson、Kelly McKernan和Karla Ortiz提起的诉讼，法官在十月份对其中一项侵权指控作出了裁决，令律师团队进行修订。针对法院的关切，律师们提出了修...
-
中文大模型 Chinese-LLaMA-Alpaca-2 开源且可以商用
“ Meta 开源 LLAMA2 后，国内出现了不少以此为基座模型训练的中文模型，这次我们来看看其中一个不错的中文模型：Chinese-LLaMA-Alpaca-2 。” 01 — 目前在开源大模型中，比较有名的是Meta的LLAM...
-
【极客技术】真假GPT-4？微调 Llama 2 以替代 GPT-3.5/4 已然可行！
近日小编在使用最新版GPT-4-Turbo模型（主要特点是支持128k输入和知识库截止日期是2023年4月）时，发现不同商家提供的模型回复出现不一致的情况，尤其是模型均承认自己知识库达到2023年4月，但当我们细问时，Fake GPT4-Turbo（暂且这...
-
澳大利亚政府成立AI版权参考小组，应对人工智能与版权挑战
澳大利亚政府于周二宣布成立一个专注于版权与人工智能问题的参考小组，以解决随着生成式AI技术迅速增长而出现的最大问题之一。 澳大利亚总检察长马克·德雷弗斯于周二宣布了这一参考小组的成立，该小组将协助联邦政府更好地应对由人工智能的增加使用所带来的未来版权挑战。...
-
谷歌称重复某些关键词可让ChatGPT自曝训练数据 OpenAI：违反服务条款
12月5日消息，谷歌的一组研究人员声称，他们已经找到了获取OpenAI人工智能聊天机器人ChatGPT部分训练数据的方法。 在最新发表的论文中，谷歌研究人员表示，某些关键词可迫使ChatGPT泄露其所接受训练数据集的部分内容。 他们举例称，该模型在被提...
-
NeuRAD: 用于自动驾驶的神经渲染（多数据集SOTA）
论文"NeuRAD: Neural Rendering for Autonomous Driving"，来自Zenseact，Chalmers科技大学，Linkoping大学和Lund大学。 神经辐射场（NeRF）在自动驾驶（AD）社区中越来越受欢迎。最...
-
微调语言大模型选LoRA还是全参数？基于LLaMA 2深度分析
本文对比了全参数微调和LoRA，并分析了这两种技术各自的优势和劣势。作者使用了三个真实用例来训练LLaMA 2模型，这提供了比较特定任务的性能、硬件要求和训练成本的基准。本文证明了使用LoRA需要在serving效率和模型质量之间做出权衡，而这...
-
成功实施人工智能的八个步骤
实施人工智能从来不是一件一劳永逸的事情，它需要广泛的战略，以及不断调整的过程。 以下了解企业成功实施人工智能的一些关键的实施步骤，以帮助人工智能和机器学习充分发挥其潜力。 人工智能和机器学习正从商业流行术语转向更广泛的企业应用。围绕战略和采用的努力让...
-
开源语言大模型演进史：向LLaMA 2看齐
本文是开源 LLM 发展史系列文章的第三部分。此前，第一部分《开源语言大模型演进史：早期革新》回顾了创建开源 LLM 的最初尝试。第二部分《开源语言大模型演进史：高质量基础模型竞赛》研究了目前可用的最受欢迎的开源基础模型（即已进行预训练但尚未微...
-
StableDiffusion模型发展历史
参考资料： 相应的github和huggingface LDM [github] StableDiffusion v1.1 ~ v1.4 [github] [huggingface] StableDiffusion...
-
R-CNN作者Ross Girshick离职，何恺明、谢赛宁回归学界，Meta CV走出了多少大神
FAIR 又一位大佬级研究科学家「出走了」，这次是 R-CNN 作者 Ross Girshick。 近日，Meta 首席科学家 Yann LeCun 发推宣布，Ross Girshick 将离开 FAIR，加入艾伦人工智能研究所（AI2）。此前离职的还...
-
不是大模型全局微调不起，只是LoRA更有性价比，教程已经准备好了
增加数据量和模型的参数量是公认的提升神经网络性能最直接的方法。目前主流的大模型的参数量已扩展至千亿级别，「大模型」越来越大的趋势还将愈演愈烈。 这种趋势带来了多方面的算力挑战。想要微调参数量达千亿级别的大语言模型，不仅训练时间长，还需占用大量高性能的内存资...
-
机器学习 - 混淆矩阵：技术与实战全方位解析
本文深入探讨了机器学习中的混淆矩阵概念，包括其数学原理、Python实现，以及在实际应用中的重要性。我们通过一个肺癌诊断的实例来演示如何使用混淆矩阵进行模型评估，并提出了多个独特的技术洞见。文章旨在为读者提供全面而深入的理解，从基础到高级应用。...
-
2024年的AI：企业领导人的回应和聊天机器人的改进
Language I/O的产品副总裁Chris Jacob介绍了不断发展的AI格局，预测了领导者的经验方法、数据的复兴以及聊天机器人的转型。 2023年是GenAI的发展具有标志性的一年，从提高生产率到创建书面内容，这些复杂工具的可能性引发了巨大的...
-
摆脱“恐怖谷” ！2024年是衡量生成式AI投资回报的关键之年
研究表明，就受欢迎程度和存在程度而言，2023年是生成式AI的丰收之年。从提高生产力到创建书面内容，这种智能工具带来的可能性引起巨大的轰动。2024年将是生成式AI的衡量之年，因为人们将超越大型语言模型(LLM 的技术能力，并研究它们如何影响损益。 许...
-
突破分辨率极限，字节联合中科大提出多模态文档大模型
现在连文档都有大模型了，还是高分辨率、多模态的那种! 不仅能准确识别出图像里的信息，还能结合用户需求调用自己的知识库来回答问题。 比如，看到图中马里奥的界面，直接就回答出了这是任天堂公司的作品。 这款模型由字节跳动和中国科学技术大学合作研究，于2023年...
-
文字序顺不响影GPT-4阅读理解，别的大模型都不行
研表究明，汉字序顺并不定一影阅响读（对于英文来说，则是每一个单词中的字母顺序）。 现在，日本东京大学的一项实验发现，这个“定理”居然也适合GPT-4。 比如面对这样一段“鬼画符”，几乎里面每一个单词的每一个字母都被打乱： oJn amRh wno het...
-
GPT-4在医学问题上击败了专业调优的 MedPaLM 2 模型
在研究中，微软的研究人员展示了GPT-4在医学知识测试中的卓越表现，特别是当结合先进的提示工程技术时，其性能超过了专业调整的MedPaLM2。 研究结果显示，相较于费时费力的调优和模型训练，将更有效的提示工程应用于主流通用模型可能是实现更准确结果的更好途径...
-
DetZero：Waymo 3D检测榜单第一，媲美人工标注！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 本文提出了一套离线3D物体检测算法框架DetZero，通过在 Waymo 公开数据集上进行全面的研究和评估，DetZero可生成连续且完整的物体轨迹序列，并充分利用长时序点云特征显着提升感知结果的质...
-
【GitHub Copilot X】基于GPT-4的全新智能编程助手
文章目录 一、前言 1.1 编程助手的重要性和历史背景 1.2 Copilot X 的背景和概览 1.3 Copilot X 的核心技术 二、自然语言处理技术的发展和现状 2.1 GPT-4 技术的基本原理和应用场景 2.2 Copilo...
-
AI震撼材料学！谷歌DeepMind新研究登Nature，一口气预测220万种新材料
只用一个AI，就获取了人类接近800年才能搞出来的知识成果！ 这是谷歌DeepMind新研究的一种材料发现工具，论文已经发表在Nature上。 仅凭这个AI工具，他们发现了220万种理论上稳定的新晶体材料，不仅将预测材料稳定性的准确率从50%拉高到80...
-
AI视觉字谜爆火！梦露转180°秒变爱因斯坦，英伟达高级AI科学家：近期最酷的扩散模型
AI画的玛丽莲·梦露，倒转180°后，竟然变成了爱因斯坦？！ 这是最近在社交媒体上爆火的扩散模型视错觉画，随便给AI两组不同的提示词，它都能给你画出来！ 哪怕是截然不同的对象也可以，例如一位男子，经过反色处理，就神奇地转变成一名女子： 就连单词也能被...
-
ChatGPT AIGC 实现动态组合图的用法
数据分析组合图，即在一张图表中组合使用多种图形类型（如柱状图、折线图、饼图等），可以在同一视图中展示多个维度或多个量度的数据，帮助数据分析师或决策者更好地理解和解释数据。 组合图的功能和作用主要包括： 提供信息视角：组合图可以对比不同类型的数据，展...
-
Stable Diffusion：使用Lora用二十张图片训了一个简易版薇尔莉特头像生成器（不作商用，纯纯个人兴趣，狗头保命）
目录 一、系统环境 二、数据准备及预处理 三、使用Stable Diffusion获取图像信息 四、安装训练图形化界面 五、参数设置及训练过程 六、 效果测试 七、常见报错处理 一、系统环境 同上一篇博客，云平台：CPU 1核，G...
-
一言不合就跑分，国内AI大模型为何沉迷于“刷榜”
“不服跑个分”这句话，相信关注手机圈的朋友一定不会感到陌生。诸如安兔兔、GeekBench等理论性能测试软件，由于能够在一定程度上反映手机的性能，因此备受玩家的关注。同理在PC处理器、显卡上，同样也有相应的跑分软件来衡量它们的性能。 既然“万物皆可跑分”，...
-
专注图表理解，腾讯、南洋理工等开源图表羊驼大模型ChartLlama
在图像理解领域，多模态大模型已经充分展示了其卓越的性能。然而，对于工作中经常需要处理的图表理解与生成任务，现有的多模态模型仍有进步的空间。 尽管当前图表理解领域中的最先进模型在简单测试集上表现出色，但由于缺乏语言理解和输出能力，它们无法胜任更为复杂的问答...
-
AIGC时代，大模型微调如何发挥最大作用？
人工智能的快速发展推动了大模型的广泛应用，它们在语言、视觉、语音等领域的应用效果已经越来越好。但是，训练一个大模型需要巨大的计算资源和时间，为了减少这种资源的浪费，微调已经成为一种流行的技术。微调是指在预训练模型的基础上，通过在小数据集上的训练来适应新的任...