图像生成
图像,绘画
能力与可信度可以兼得？GPT-4、Gemini等多模态大模型评测报告来了
摘要：2023年，多模态大语言模型（MLLM）在文本、代码、图像、视频等领域取得了显著进展。上海人工智能实验室联合多所大学发布了一份详尽的评测报告，对GPT-4...
首批类Sora模型出现，色拉布上线Snap Video，效果优于Pika、不输Gen-2
SnapChat背后的公司Snap联合特伦托大学等机构发布了一款名为Snap Video的文本生成视频模型。该模型采用了可扩展的时空Transformer架构，旨在提高视频生成的质...
微软37页论文逆向工程Sora，得到了哪些结论？
摘要：本文回顾了Sora视频技术的发展背景、技术细节、应用前景以及局限性。Sora是OpenAI开发的一种能够根据文本指令生成长达一分钟视频的模型，它在视觉质量...
ControlNet作者新作：AI绘画能分图层了！项目未开源就斩获660 Star
LayerDiffusion 是ControlNet作者最新提出的一种方法，它允许大规模预训练的潜在扩散模型（如Stable Diffusion）生成透明图像。这项技术通过在潜在图像上添加...
Sora外部测试翻车了！3个视频都有Bug
Sora，OpenAI的文本转视频模型，最近在油管上引起了一些关注。科技up主分享了他们使用Sora生成的视频，其中包含了一些有趣的bug。例如，一个视频中的3D打印机...
全球AI大事记 · 疯狂二月｜钛媒体AGI
2024年2月，全球人工智能（AI）领域迎来了一系列重大进展和新闻。OpenAI、谷歌、微软等科技巨头纷纷发布重要AI消息，包括视频生成模型Sora的推出、AI芯片的自...
阿里最新图生视频模型效果好得可比肩Sora，但0代码“假”开源让国内外网友骂翻了天？
摘要：阿里巴巴集团智能计算研究院推出了一款名为EMO（Emote Portrait Alive）的AI图生视频模型。EMO能够根据用户提供的一张照片和音频文件生成具有丰富面部...
对抗「概念飘逸」难题！谷歌发布全新时间感知框架：图像识别准确率提升15%
新智元报道了Google AI研究人员提出的新方法MUSCATEL（Multi-Scale Temporal Learning），旨在解决机器学习中的长期问题——概念漂移。概念漂移指的是数据分布...
全新「多模态」生图AI文字渲染暴打Midjourney+DALL·E 3！5亿融资Karpathy都投了
Ideogram是一款新兴的文生图工具，它在文字渲染能力上表现出色，成功获得了8000万美元的融资。这款工具能够根据用户的提示生成带有自然悬浮文字或立体文字的...
讯飞医疗不足三年亏损超4亿 赴港上市被指缓解科大讯飞财务压力
讯飞医疗向港交所提交招股书，计划发行不超过发行后总股本15%的股份，在香港联交所主板上市。讯飞医疗成立于2016年，是科大讯飞拓展智能医疗板块的主体，主要...
