AI.x社區
- 登錄/注冊
一鍵換裝，讓奧特曼、黃仁勛穿上機器之心的文化衫
AI幫你來試衣，想穿什么款式一鍵搞定。精準捕捉服裝細節，衣服紋理、圖案、縫線等屬性高度還原：即使是在戶外，AI試衣也能準確展示試穿效果，保持較高質量的輸出：人物坐立姿勢對衣物有遮擋，AI也會毫無破綻的實現一鍵換衣，高度保持服裝細節的一致性：既然demo演示這么厲害，那試試讓黃仁勛、奧特曼、霉霉等名人穿上機器之心的文化衫，出來的效果會怎么樣呢？換裝1：換裝2：換裝3：試用地址：https:huggingface.cospacesyisolI...AI試裝ICLR 2024 | 跨領域準確進行零樣本異常檢測，浙大等提出AnomalyCLIP
零樣本異常檢測（ZSAD）允許檢測模型僅利用輔助數據進行訓練，從而在沒有任何目標數據集訓練樣本的情況下檢測異常。這在因各種原因（如數據隱私問題）無法獲取訓練數據時非常關鍵。然而，這項任務面臨的挑戰在于，模型需要能夠跨不同領域泛化異常檢測能力，尤其是前景對象、異常區域及背景特征（比如不同產品或器官上的缺陷或腫瘤）在不同應用中可能大相徑庭。為了改進CLIP模型，來自浙江大學、新加坡管理大學、哈佛大學的研究...模型訓練當前最強國產Sora！清華團隊突破16秒長視頻，懂多鏡頭語言，會模擬物理規律
你說箱子里要裝滿鉆石，于是箱子被鉆石填滿，比實拍還要耀眼。這樣的技能，哪個劇組不喜歡？這是前段時間Adobe旗下的視頻剪輯軟件PremierePro所呈現的「魔法」。該軟件通過引入Sora、Runway、Pika等AI視頻工具，實現在視頻中添加物體、消除物體以及生成視頻片段等能力，這被視為視頻領域的再一次技術革新。從2月份Sora席卷全球到如今Adobe再施魔法，海外熱火朝天。相比之下，國內在視頻領域，尤其是長視頻生成方向還處于「等待...模型算法利用TimeGPT的深度學習能力實現預測分析的革新
原創人工智能對預測分析產生了根本性的影響，使得預測比以往任何時候都更加精確。各行各業都在充分利用人工智能的強大能力，以預測未來趨勢并為即將到來的事情做好準備。然而，預測的準確性取決于多個因素，包括人工智能算法的復雜性、預測模型的穩健性以及訓練數據的質量和數量，僅舉幾例。Nixtla（注：一家專注于時間序列預測和軟件開發的美國初創公司）的TimeGPT是一種生成性預訓練模型，專門為預測時間序列數據而設計。它是一個...深度學習人工智能TimeGPTChatGPT可以開車嗎？分享大型語言模型在自動駕駛方面的應用案例
原創人工智能技術如今正在快速發展和應用，人工智能模型也是如此。擁有100億個參數的通用模型的性能正在碾壓擁有5000萬個參數的任務特定模型，在從單一模型解決許多任務方面表現出了卓越的性能。人工智能模型也正在變得多模態。微軟公司的Florence2和OpenAI公司的GPT4V等新的視覺模型正在擴展這些模型的應用，以整合圖像、視頻和聲音，將大型語言模型（LLM）強大的能力應用在數百萬個新的用例中。事實證明，在模型工程領域，規模越...人工智能自動駕駛大型語言模型大模型能否成為預言家？使用Transformer來進行時序預測可還行？
大語言模型的成功充分證明了Transformer架構的先進性，越來越多的人希望把它應用到其它領域，而非NLP領域本身，因而也催生了以一套Transformer架構統一各種模態的研究熱點。而在工業界有一個非常常見的場景卻鮮有涉及，那就是結構化數據的時序預測類場景，通常認為這種方式利用統計和經典回歸類模型就已經足夠了，并且確實在過去的研究來看，以Transformer為代表的，在NLP，CV等方面大殺四方的深度學習模型在這方面表現也并不夠...模型預測時序CVPR 2024 | 擅長處理復雜場景和語言表達，清華&博世提出全新實例分割網絡架構MagNet
指代分割(ReferringImageSegmentation，RIS)是一項極具挑戰性的多模態任務，要求算法能夠同時理解精細的人類語言和視覺圖像信息，并將圖像中句子所指代的物體進行像素級別的分割。RIS技術的突破有望在人機交互、圖像編輯、自動駕駛等諸多領域帶來革命性變革。它能夠極大地提升人機協作的效率和體驗。盡管目前最先進的RIS算法已經取得了顯著進展，但仍然面臨著模態差異(modalitygap)的問題，即圖像和文本特征的分布并未完全對齊...網絡架構研究不會吧！不會吧！不會吧！阿里已經火到國外的 Emo 模型，你不會還沒玩過吧~
啊，刷爆外網的EMO模型它終于來了！！！上傳一張照片，就能讓照片里的人開口唱歌、說話、甚至講段子。試了一下，效果還是相當不錯，嘴型對得也很好，不愧是阿里出品的。它能夠根據單一的參考圖像和音頻輸入，直接生成具有豐富表情和多樣頭部姿勢的虛擬角色視頻，實在太好玩了。那在哪玩呢？由于內測太過火爆了，目前已經全量上架到通義千問App上，大家手機下載即可玩，快耍起來！先來試試，我們先用AI生成一張小姐姐的照片（這...Emo模型AIOpenAI CEO奧特曼25日最新演講：只專注于AI局限性的創業者必死！AI也不會違背商業的定律
原創出品51CTO技術棧（微信號：blog51cto）就在昨天，黃教主親手交付了OpenAI全球首塊AI超級芯片DGXH200的當天，Sam馬不停蹄就前往斯坦福大學的英偉達（NVIDIA）禮堂進行了公開演講。圖片SamAltman4月25日在斯坦福大學發表演講，分享了他對人工智能未來的見解。Linkin上一位名為“WanrongHe”的斯坦福學生分享了從他富有啟發性的演講中得到的一些關鍵收獲：一、人工智能的快速發展1.繼GPT4之后的下一個人工智能模型將更加強大，這表...OpenAI奧特曼AI百度前總經理打造，AI硬件Rabbit R1交卷了！能否超越AI Pin被“群嘲”命運？
原創出品51CTO技術棧（微信號：blog51cto）整理伊風RabbitR1，到貨了！海外媒體和科技博主紛紛發出對這只“橙色兔子”的測評！鑒于AIPin到貨后掀起的一陣“吐槽”狂潮，不禁讓人為同為AI硬件定位的RabbitR1捏一把冷汗。不過無論結果如何，RabbitR1取得的成績已經遠超創始人JesseLyu的預料。他曾保守地估計RabbitR1首日的銷量只有500，但最終狂賣了18000臺。JesseLyu，呂騁，擁有諸多硬件設計的經歷，同時是一位敢于“折騰”的連續創...百度AI硬件華人持續炸場！8倍于SOTA模型發布，超分辨率細節還原度逆天，終于可以看清楚蜘蛛網絲了！
原創撰稿言征出品51CTO技術棧（微信號：blog51cto）Sora帶火了“視頻一致性”的研究，但單純在時間一致性已經不能滿足業內對于高逼真視頻的渴望。這不，華人又出來炸場了！近日，一個名為VideoGigaGAN的視頻模型在業界走紅。超分辨率電影鏡頭，不用等Sora了！圖片據介紹，目前VSR（視頻超分辨率）領域有兩大難題：一個挑戰是保持輸出幀之間的時間一致性。第二個挑戰是在上采樣幀中生成高頻細節。這篇論文主要的就是第二個問題。針對...SOTA模型標簽Llama 3沒能逼出GPT-5！OpenAI怒“卷”To B戰場，新企業級 AI 功能重磅推出！
原創編譯伊風出品51CTO技術棧（微信號：blog51cto）Meta是本周當之無愧的AI巨星！剛剛推出的Llama3憑借著強大的性能和開源生態的優勢在LLM排行榜上迅速躍升。按理說，Llama3在開源的狀態下做到了GPT3.7的水平，必然會顯得用戶（尤其是企業用戶，他們更具備獨立部署Llama3的能力）花錢買來的GPT4沒那么香了。網友于是紛紛拱火，“鼓勵”OpenAI交出GPT5，才能繼續穩坐大模型王位。不單單是網友，就連OpenAI的研究員也有點坐不住了，跑...Llama 3GPT-5OpenAI8B文字多模態大模型指標逼近GPT4V，字節、華師、華科聯合提出TextSquare
近期，多模態大模型(MLLM)在文本中心的VQA領域取得了顯著進展，尤其是多個閉源模型，例如：GPT4V和Gemini，甚至在某些方面展現了超越人類能力的表現。但是開源模型的性能還遠遠落后于閉源模型，最近許多開創性的研究，例如：MonKey、LLaVAR、TGDoc、ShareGPT4V等已開始關注指令微調數據不足的問題。盡管這些努力取得了顯著的效果，但仍存在一些問題，圖像描述數據和VQA數據屬于不同的領域，圖像內容呈現的粒度和范圍存在不一致...數據集開源僅需Llama3 1/17的訓練成本，Snowflake開源128x3B MoE模型
Snowflake發布高「企業智能」模型Arctic，專注于企業內部應用。剛剛，數據管理和倉庫提供商Snowflake宣布加入LLM混戰，發布了一款專注于企業級應用的頂級大型語言模型（LLM）——SnowflakeArctic。作為一家云計算公司推出的LLM，Arctic主要具備以下兩個方面的優勢：高效智能：Arctic在企業任務方面表現出色，例如SQL生成、編程和指令遵循，甚至可與使用更高計算成本訓練的開源模型媲美。Arctic為經濟高效的訓練設定了新的基線，...模型 開源205 個強大的AI編輯寫作提示
原創 精華通過利用這些提示，您將毫不費力地完善您的內容并對讀者產生持久的影響。對于學生來說，這意味著更好的成績和對自己寫作能力更有信心，而專業人士則可以享受更高的效率和客戶滿意度。語法檢查1.“請檢查以下句子是否有語法錯誤：'[句子]”2.“你能檢查一下以下段落‘[paragraph]’的語法是否正確嗎？”3.“我需要此[文檔電子郵件論文]中的語法幫助：'[內容]'”4.“請校對[報告作業]并更正任何語法錯誤：'[文件鏈接]'”5.“這個[...AI編輯寫作Llama3背后的秘密：HuggingFace發布萬億級數據集Fineweb
原創 精華Llama3是在15萬億個公共數據標記上進行訓練的。但是，您可以在哪里找到這樣的數據集和處理方法呢？近日，HuggingFace發布??Fineweb，一個高質量的大規模篩選網絡數據集，優于目前所有同等規模的數據集。HuggingFace訓練了200多個消融模型，精心制作了這個數據集，對CommonCrawl進行了解析和過濾。HuggingFace對2013年至2024年間的所有CommonCrawl數據進行了篩選和去重。在FineWeb上訓練的模型優于RefinedWeb、C4、DolmaV1.6、Th...Llama3FinewebFABLES：超長文本自動摘要評估
原創長文本大語言模型（LLMs）的崛起使得生成整本書的摘要成為可能。然而，評估這些摘要的質量，特別是它們與源材料的忠實程度和相關內容的選擇，帶來了重大挑戰。近日，研究人員發表的論文《FABLES:Evaluatingfaithfulnessandcontentselectioninbooklengthsummarization》深入探討了這一挑戰，提出了一種新穎的數據集，并探討了當前評估方法的局限性。評估長篇摘要的一個主要障礙在于源材料的龐大量級和復雜性。要求人類注釋者閱讀...長文本大語言模型OpenAI Preparedness團隊首席Aleksander Madry：機器學習模型的內部計算如何將輸入轉化為預測？
原創考慮一個標準的ResNet50模型，該模型經過訓練用于圖像分類任務。我們是否能夠理解這個模型中的卷積濾波器如何將輸入圖像轉換為其預測的標簽？或者，GPT3中的注意力頭如何contribute到下一個標記的預測？理解這些模型組件——包括濾波器或頭等架構“構建塊”——如何集體塑造模型行為（包括模型失敗）是困難的。畢竟，深度網絡在很大程度上是黑匣子——由模型組件之間高度非線性交互構成的復雜計算圖。受到這一挑戰的啟發，解釋...機器學習模型AI信任危機之后，揭秘預訓練如何塑造機器的「可信靈魂」
圖表1:大模型的通用訓練流程[1]在人工智能的前沿領域，大語言模型（LargeLanguageModels，LLMs）由于其強大的能力正吸引著全球研究者的目光。在LLMs的研發流程中，預訓練階段占據著舉足輕重的地位，它不僅消耗了大量的計算資源，還蘊含著許多尚未揭示的秘密。根據OpenAI的研究，在InstructGPT的開發過程中，預訓練階段近乎耗盡了全部的算力和數據資源，占比高達98%[2]。圖表2:帶著笑臉的修格斯[3]預訓練模型宛如一頭未經雕琢卻...LLMs訓練加速擴散模型，最快1步生成SOTA級圖片，字節Hyper-SD開源了
最近，擴散模型（DiffusionModel）在圖像生成領域取得了顯著的進展，為圖像生成和視頻生成任務帶來了前所未有的發展機遇。盡管取得了令人印象深刻的結果，擴散模型在推理過程中天然存在的多步數迭代去噪特性導致了較高的計算成本。近期出現了一系列擴散模型蒸餾算法來加速擴散模型的推理過程。這些方法大致可以分為兩類：i)軌跡保持蒸餾；ii)軌跡重構蒸餾。然而，這兩類方法會分別受到效果天花板有限或者或輸出域變化這兩個問題...模型論文
