“评估指标”的搜索结果
Ilya参与，OpenAI给GPT-4搞可解释，提取了1600万个特征，还能看它怎么想
在人工智能领域，大语言模型（LLM）正受到广泛关注，因其强大的语言理解和生成能力在各种应用中展现出巨大潜力。然而，这些模型的内部运...
中山大学与联想团队发布 ConsistentID，单张照片即可成为百变超人
图像生成技术的最新进展，特别是基于扩散的文本到图像模型，已经极大地推动了个性化和定制化肖像生成的发展。这些技术在电子商务广告、...
「个性化」图像生成时代来了！六大顶尖高校联手发布全新Gen4Gen框架
近年来，基于文本的图像生成技术取得了显著进展，特别是在生成个性化内容方面。个性化内容生成指的是用户提供一组最小概念图像集，然后...
中科大等意外发现：大模型不看图也能正确回答视觉问题！
近期，中科大、香港中文大学和上海AI Lab的研究团队发现了一个有趣的现象：即使没有查看图片，一些大型语言模型和多模态模型也能在多模...
「有效上下文」提升20倍！DeepMind发布ReadAgent框架
ReadAgent的设计灵感来源于人类的交互式阅读方式，它通过一个简单的提示系统实现，利用LLMs的高级语言功能。这个系统包括三个主要部分：...
前端不存在了？盲测64%的人更喜欢GPT-4V的设计，杨笛一等团队新作
在最近的央视节目中，百度CEO李彦宏预测了编程语言的未来，认为未来只会存在两种编程语言：英文和中文。这一观点基于大模型技术突破后，...
中科院等万字详解：最前沿图像扩散模型综述
中科院联合Adobe和苹果公司的研究人员发布了一篇关于图像编辑中扩散模型的重磅综述。这篇综述全文长达26页，包含1.5万余词，涵盖了297篇...
一文看尽297篇文献！中科院领衔发表首篇「基于扩散模型的图像编辑」综述
本文是关于基于扩散模型的图像编辑领域的首篇综述，全面研究了图像编辑的前沿方法，并将其精炼地划分为三个大类和14个子类。这篇综述长...
Amphion：最全能的开源AI音频项目，在音频商业化方面有极大的帮助
Amphion是一个面向音频、音乐和语音生成的工具包，旨在支持可复制研究，并帮助初级研究人员和工程师进入音频、音乐和语音生成领域。它提...
Amphion：用AI创造你的声音，让世界听见。
Amphion为研究人员提供了强大的研究工具，也为工程师们提供了一个实用的开发环境。它在音频、音乐和语音生成领域展现出了雄心，预示着未...
1
2
