图像生成
图像,绘画
与Sora一样能生成视频、图像，还能一次解读100万数据！
本文介绍了加州大学伯克利分校研究人员开源的大世界模型（LWM），这是一种多模态自回归模型，具备文本、音频、图像和视频的生成与理解能力。LWM能够一次性精...
12家创业公司+4家大厂全景图：谁会成为中国版Sora？
摘要：随着ChatGPT的火爆，AI领域迎来了新的发展机遇。Sora的出现预示着AI视频领域可能迎来新一轮的竞争。DiT论文作者谢赛宁强调人才、数据和算力的重要性。...
Sora无法替代人类！亚马逊工程师断言：实际工作冲突不可能靠AI解决
摘要：亚马逊工程师Cameron Gould对OpenAI新发布的视频AI工具Sora进行了分析。他认为，尽管生成式AI在创意内容生成方面表现出色，但它并不会导致人类失业。Go...
Mamba正式被ICLR拒收！“年度最佳技术原理解读”却火了
Mamba，这个被寄予厚望的Transformer挑战者，尽管在学术界引起了广泛关注，但最终还是被ICLR会议拒绝。尽管如此，Mamba的热度并未受到影响，一篇关于它的最新...
Sora时代，我们该如何关注新应用？一切尽在中国AIGC产业峰会
2024年中国AIGC产业峰会 即将在北京举行，主题为“你好，新应用”，旨在探讨生成式AI的最新发展和应用。大模型技术正向多模态发展，从文本扩展到图像、语音、视...
谷歌的AI要是实在不行，就回炉重做吧
文章主要讨论了谷歌在人工智能领域的最新发展和挑战。作者认为，尽管谷歌在AI领域取得了一定的进展，但在某些方面仍存在一些问题。首先，谷歌推出了新的开源...
国内高校打造类Sora模型VDT，通用视频扩散Transformer被ICLR 2024接收
摘要：OpenAI Sora的发布标志着视频生成领域的重大突破。Sora基于Diffusion Transformer架构，与主流的2D Stable Diffusion方法不同。这项工作由中国人民大学...
谷歌Gemini生图功能紧急关闭，口碑一夜塌房，Yann LeCun：我早就知道
谷歌的Gemini AI系统在推出后不久就遭遇了问题。这个被谷歌称为“最大、最有能力和最通用”的AI系统，旨在提供对“最强模型系列”的访问，但在人物图像生成方面出...
刚刚，谷歌发布基础世界模型：11B参数，能生成可交互虚拟世界
摘要：谷歌DeepMind发布了一种名为Genie的生成式交互环境（Generative Interactive Environments），这是一个拥有110亿参数的基础世界模型，能够通过单张图像...
解读OpenAI Sora文生视频技术原理
OpenAI发布的Sora视频生成模型在AI领域引起了巨大轰动，被视为继ChatGPT之后又一次重要的技术突破。本文详细总结了Sora的关键技术和潜在应用，并与Google的Lu...
