视频生成
视频,video
全球首个多模态世界模型Emu3来了！智源王仲远：为多模态大模型训练范式指明新方向｜钛媒体AGI
北京智源人工智能研究院（BAAI）近日发布了全球首个原生多模态世界模型Emu3，该模型采用了自回归技术路线，参数量达到8B（80亿），能够将图像、文本和视频编...
骁龙8至尊版登场：CPU牙膏挤爆，AI生成速度创纪录，奥特曼也来助阵
高通在2024骁龙峰会上发布了全新的骁龙8至尊版移动平台，这是一款采用台积电3nm工艺制造的系统级芯片，标志着高通在移动端芯片领域的一次重大突破。该平台集...
预测下个token就能通往AGI，智源Emu3有世界模型的味儿了
智源研究院于2024年10月21日发布了原生多模态世界模型Emu3，这是一个基于下一个token预测的模型，能够处理文本、图像、视频三种模态数据的理解和生成，而无需...
视频、图像、文本，只需基于下一个Token预测：智源Emu3发布，验证多模态模型新范式
智源研究院于2024年10月21日发布了原生多模态世界模型Emu3，这是一个基于下一个token预测的模型，能够在无需扩散模型或组合方法的情况下，完成文本、图像、视...
Ilya观点得证！仅靠预测下一个token统一图像文本视频，智源发布原生多模态世界模型Emu3
智源研究院发布了原生多模态世界模型Emu3，该模型基于下一个token预测，无需依赖扩散模型或组合方法，能够完成文本、图像、视频三种模态数据的理解和生成。Em...
Ilya预言成真，下一个token预测直达AGI！智源首发原生多模态世界模型Emu3，不用扩散
智源研究院最近发布了一款名为Emu3的原生多模态世界模型，该模型通过预测下一个token来理解和生成文本、图像和视频三种模态数据，而无需依赖扩散模型或组合方...
上海交大、腾讯发布高效扩散模型微调方法，提升图像生成效率
近年来，扩散模型在图像、视频和3D生成等任务中发挥了重要作用，但在将预训练模型微调应用于实际业务场景时面临挑战。现有微调方法如AFT、RFT和SFT存在局限性...
智源 Emu3 证明多模态模型新范式：只需基于下一个 token 预测
智源研究院于2024年10月21日发布了原生多模态世界模型Emu3，这一模型仅通过预测下一个token，就能实现对文本、图像、视频三种模态数据的理解和生成，无需依赖...
国产3D虚拟人版《Her》「杀向」迪拜
在GITEX GLOBAL展会上，中国公司Soul展示了其在AI社交领域的最新进展。Soul的展位设有三个互动屏幕，分别用于体验与3D数字人互动、创建多语言交流的3D数字人...
视频生成模型变身智能体：斯坦福Percy Liang等提出VideoAgent，竟能自我优化
当前，文本生视频技术正处于快速发展阶段，其应用范围广泛，包括创意视频内容生成、游戏场景创建、动画和电影制作，甚至作为真实世界的模拟器。尽管如此，该...
