图像生成
图像,绘画
AI绘画中CLIP文本-图像预训练模型
感谢您提供的文章总结。下面是对文章中所有重要的词语或语句进行加粗处理：介绍OpenAI 在 2021 年提出了 CLIP（Contrastive Language–Image Pretraining）算...
港大与TikTok合作研发Depth Anything，从单张图像解锁深度信息，引领MDE新纪元
这篇文章主要介绍了单目深度估计（MDE）面临的挑战和机遇，以及香港大学和TikTok合作研发的Depth Anything模型的技术创新和应用前景。文章首先指出MDE面临数...
OpenAI 危险了？Gemini 和 GPT4 比较，谁强，只需两张图秒懂；Gemini 天生多模态，很可能是不一样的技术路线
Gemini 和 GPT-4 是两种人工智能模型，Gemini 天生多模态，而 GPT-4 是靠多功能的拼装。 Gemini 在多个测试中得分均高于 GPT-4，包括一般性测试、复杂任务集...
小红书开源「InstantID」效果炸裂，被Yann LeCun点赞，迅速蹿上Github热榜
这篇文章介绍了一种名为InstantID的图像生成技术，它能够通过上传一张照片，即刻生成多种风格的AI写真。这项技术由小红书的95后团队InstantX开发，受到了广泛...
生成式人工智能AIGC的前世今生和未来
生成式人工智能的开发涉及数据收集、模型训练、评估、优化、部署、监控和维护等多个领域。随着技术的发展，一些新的挑战和问题也随之而来，如平衡生成结果的...
InstantID彻底火了！来自中国的开源项目，图灵奖得主Yann LeCun点赞（附论文及源码）
文章最后还推荐了其他相关阅读内容，包括AIHIA人才联盟的招募、AI融资信息以及AI项目应用的教程。同时，作者还邀请感兴趣的人加入AIHIA人才联盟，并鼓励大家...
年轻人的AI新玩具：Vary-toy，1080Ti轻松驾驭的多模态大模型！
Vary-toy的核心目标是为视觉-语言模型提供更丰富的视觉词汇库，使其能够更准确地理解和描述复杂的视觉场景，提升了模型在文档OCR和对象检测等任务上的表现，...
LLaMA-VID：突破视觉语言模型界限，精准捕捉图像精髓
LLaMA-VID模型的主要目标是处理长时视频，并面临着挑战。为了解决这些挑战，采用了创新的方法。该模型的技术方案包括采用了关键Token，并详细描述了其作用。L...
谷歌把GenAI装进Chrome
作者信息 【原文作者】 51CTO技术栈 【作者简介】 追踪 IT 新动向，赋能全球技术人员成长。 【微 信 号】 blog51cto 文章摘要 【关 键 词】 Ch...
文心一言4.0的使用体验如何？大测评！
文章总结如下：第一部分介绍了文心4.0的语义理解能力，通过测试“一词多义”的句子，文心4.0给出了准确、详细的回复，展现了其语义理解能力的进步。第二部分测...
