图像生成
图像,绘画
原作者带队，LSTM卷土重来之Vision-LSTM出世
近期，由 LSTM之父Sepp Hochreiter领衔的研究团队推出了一种新的计算机视觉骨干网络——Vision-LSTM（ViL）。该网络基于扩展长短期记忆（xLSTM）模型，实现了在...
快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模
本文介绍了一款名为可灵的全新国产视频生成大模型，它是快手公司推出的产品级应用。可灵采用了类似Sora的技术路线，融合了多项自研技术创新，生成的视频不仅...
AI 创业者，需要怎样的 AI 算力？
在人工智能技术飞速发展的今天，大模型技术的突破为智能创作带来无限可能。潞晨科技以其自研的Colossal-AI技术，引领了一场降低成本、提高效率的深刻变革。该...
官宣接受「成人内容」，能拯救马斯克的 X 吗？
在互联网发展的历程中，成人内容一直是一个敏感而普遍存在的议题。X平台，这个曾经的推特，也面临着同样的挑战。新政策宣布，用户可以分享自愿制作和分发的成...
Adobe推出超分辨率，细节丰富视频模型VideoGigaGAN
视频超分辨率技术致力于将低分辨率视频转化为高分辨率，面临两大挑战：一是保持视频帧的时间连贯性，避免闪烁或抖动；二是放大视频帧时重建高频细节，以呈现...
字节 AI 产品全体验：11 款产品覆盖全赛道，但离 killer app 还有很远
根据文章内容，以下是详细的摘要总结：1. 字节跳动的AI产品豆包在推出后迅速积累了大量用户，其月活跃用户达到2600万，下载量超过1亿，表明豆包已超过竞品Kim...
体验完字节所有的 AI 产品，杀手级 AI 应用可能比想象中更远
字节跳动在AI领域展现了其坚定的行动力，并通过全面布局寻找下一个杀手级应用。具体而言，字节跳动的AI产品线涵盖了多个领域，包括聊天、社交、图像视频、教...
谷歌创新框架：从非结构化数据，实现多模态学习
在数据爆炸时代，大模型学习非结构化数据如视频、音频和图片面临重大挑战。多模态学习，特别是处理多种输入和异构数据时，深度神经网络易出现过拟合和泛化不...
多模态大模型不够灵活，谷歌DeepMind创新架构Zipper：分开训练再「压缩」
近期研究表明，通过训练纯解码器生成模型，可以成功地生成包括音频、图像和状态-动作序列在内的多种模态的新序列。这些模型通常采用词汇扩展方法实现多模态表...
ControlNet作者搞起大模型：让天下没有难写的生图提示词，一句话变构图小作文
量子位报道，ControlNet作者Lvmin Zhang推出了新项目Omost，旨在通过人工智能技术解决AI绘画中的提示词写作难题。用户只需提供一句简单的提示词，Omost即可自...
