新闻动态
-
202403-12
- 被误解的「中文版Sora」背后，字节跳动
- 2024开年，OpenAI就在生成式AI领域扔下了重磅炸弹：Sora。这几年，视频生成领域的技术迭代持续加速，很多科技公司也公布了相关技术进展和落地成果。在此之...
-
202403-11
- 用AI短视频「反哺」长视频理解，腾讯Mo
- 在视频理解这一领域，尽管多模态模型在短视频分析上取得了突破性进展，展现出了较强的理解能力，但当它们面对电影级别的长视频时，却显得力不从心。因而，长视频的分析与理...
-
202403-11
- 扩散模型如何构建新一代决策智能体？超越自
- 设想一下，当你站在房间内，准备向门口走去，你是通过自回归的方式逐步规划路径吗？实际上，你的路径是一次性整体生成的。最新研究指出，利用扩散模型的规划模块可以同时生...
-
202403-11
- Pika放大招：今天起，视频和音效可以“
- 就在刚刚，Pika发布了一项新功能：很抱歉我们之前一直处于静音状态。今天起，大家可以给视频无缝生成音效了——SoundEffects！生成的方式有两种：要么给一...
-
202403-06
- 谷歌发布最新「读屏」AI！PaLM 2-
- 每个人想要的大模型，是真·智能的那种......这不，谷歌团队就做出来了一个强大的「读屏」AI。研究人员将其称为ScreenAI，是一种理解用户界面和信息图表的...
-
202403-06
- ICLR 2025 | 为音视频分离提供
- 视听语音分离（AVSS）技术的主要目的是在混合信号中识别并分离出目标说话者的声音，利用面部信息来实现这一目标。这项技术在多个领域都有广泛的应用，包括智能助手、远...
-
202403-06
- GPT-4时代已过？全球网友实测Clau
- 大模型的纯文本方向，已经卷到头了？昨晚，OpenAI最大的竞争对手Anthropic发布了新一代AI大模型系列——Claude3。该系列包含三个模型，按能力由弱...
-
202403-05
- ICLR 2025 Oral：长视频中噪
- 在2024世界经济论坛的一次会谈中，图灵奖得主YannLeCun提出用来处理视频的模型应该学会在抽象的表征空间中进行预测，而不是具体的像素空间[1]。借助文本信...
