视频生成
视频,video
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...
OpenAI若造出AGI，就能从微软独立：股权争夺战开打，两边都找好了投行
OpenAI与微软之间的关系近期出现了紧张迹象。尽管OpenAI在科技领域炙手可热，完成了一轮66亿美元的融资，估值高达1570亿美元，但如何分配利益成为其面临的挑...
AI 教父 Yann LeCun 怒批：今天的大模型比猫还笨，光会预测文本根本没在推理！
纽约大学教授、Meta公司高级研究员、A.M. Turing奖获得者Yann LeCun对当前人工智能的发展持怀疑态度。他认为，尽管大型语言模型能够操纵语言，但它们并不聪明...
直击a16z路演！32家AI创企，看 AI+游戏的未来可能性在哪里
在旧金山SF JAZZ演出厅举行的SPEEDRUN加速器路演活动中，32个创业项目展示了他们的创新成果，其中多数项目涉及AI技术在游戏领域的应用。这些项目不仅展示了AI...
