标签：视觉识别
刚刚，OpenAI发布AI Agent—Operator，全民智能体时代来了！
OpenAI最新发布了AI Agent——Operator，这是一个面向浏览器的智能体，能够模拟人类操作计算机的能力，完成在线订餐、预订酒店、购买机票等日常繁琐、重复任务...
端侧 GPT-4o来了！ 面壁发布全新端侧模型，全模态、端到端，支持实时流式音视频通话！
面壁智能最近发布了全新一代小钢炮MiniCPM-o 2.6，这是一款端到端模型，参数规模为8B，在视觉、语音和多模态方面与GPT-4o-202405性能相当。MiniCPM-o 2.6支持...
人形机器人，能横扫工业场景吗？
具身智能在2024年成为科技领域的新热词，人形机器人和具身智能公司纷纷成立。尽管许多人形机器人企业将工业场景作为落地的第一场景，但目前的人形机器人和具...
微软开源视觉GUI智能体：增强GPT-4V能力，超3800颗星
微软研究人员开发了一款名为OmniParser的开源视觉GUI智能体，旨在提升大语言模型（LLM）如GPT-4V在用户界面（UI）识别和操作任务中的表现。OmniParser通过将U...
超强实体ChatGPT机器人：语音推理、视觉识别，“终结者”来啦！
Figure.AI联合创始人Brett Adcock发布了新一代实体机器人Figure 02，该机器人在前一代01的基础上进行了软硬件的大量更新。Figure 02搭载了6个RGB摄像头、Open...
GPT-4o 引爆小红书打卡潮，推动 Vision Pro想象，刷新微软、Adobe 产品线
GPT-4o 的多模态视觉能力引发了社交媒体上的热议，尤其是在小红书上，用户们热衷于测试其识别街景的能力。与其它多模态 AI 模型相比，GPT-4o 显示出了更高的...
