OpenAI阿尔特曼晒网友新年愿望单：通用人工智能、GPT-5呼声最多
时值圣诞季，OpenAI 首席执行官萨姆・阿尔特曼化身“圣诞老人”在自己的 X 平台账号上发文征求网友们 2024 年对 OpenAI 的愿望与期待：“你希望 OpenAI 明年新增或修复哪些功能？”。这条帖子...
NUS&清华发表NExT-Chat，对话、检测、分割多模态大模型
为了提高视觉理解水平，最近的研究通过将对象边界框坐标表示为一系列文本序列（pix2seq），使LMMs具有区域级理解能力。本文提出一种新的对象位置建模范式，称为pix2emb方法，要求LMM...
浙大&蚂蚁发表Osprey，首个像素级多模态AI大模型
目前的多模态大语言模型未能在像素级实现细粒度的视觉-语言对齐，基于掩码的指令数据的缺乏限制了它们的进步。本文提出Osprey，通过将细粒度掩码区域合并到语言指令中来扩...
汇集20+顶尖高校的AI院长峰会，深度探讨AI大模型的未来之路
2023 年是大模型之年。
大模型代表了人工智能领域的重大进步，有史以来第一次人类真正看见了通用人工智能（AGI）的曙光。然而，关于大模型，我们了解得并不多。
以 OpenAI 首席科学家 Ily...
旷视发表Vary，开源大模型OCR引擎，支持中英文，一键识别图片中的文本、公式、表格
“Vary: Scaling up the Vision Vocabulary for Large Vision-Language Models”
近日，旷视发表了Vary，可以一键识别图片中的文本、公式、表格，并输出成markdown格式。...
UC Berkeley发表StreamDiffusion，单张4090每秒可生成90张图像，图像生成性能大幅提升
“StreamDiffusion: A Pipeline-level Solution for Real-time Interactive Generation”
近日，UC Berkeley、日本筑波大学、MIT联合发表了StreamDiffusion，一...
Genmo：超过的AI绘图工具，我字还没打完AI就生成出来了
所以我今天找到了一个比较简单粗糙但也挺好玩的AI生成网站，与Stable Diffusion只生成图片不同，这个网站还可以生成视频。
https://www.genmo.ai/create/image
这个的使用原理和其他的AI...
工信部：将加强Web3.0技术研究和监管；多名美国作家起诉OpenAI……
NO.1
工信部：将加强Web3.0技术研究和监管，就Web3.0开展国际交流合作并加大技术宣传和推广
12月20日，据工信部在对全国政协十四届一次会议第02969号提案的答复，除了此前报道...
AI已经会「玩」手机了！腾讯开发AppAgent 可模仿人类在手机上操作APP
在数字化浪潮中，腾讯与德州大学达拉斯分校的研究团队，共同翻开了智能科技的新篇章。他们共同发布的《AppAgent: Multimodal Agents as Smartphone Users》论文，不仅是学术探索的成果，更...
苹果发表最快3D数字人生成器HUGS，30分钟创建赛博数字人分身，渲染仅需16毫秒
“HUGS: Human Gaussian Splats”
创建一个赛博虚拟人分身需要多久？现在只需半个小时即可实现！近日，苹果发布了3D数字人生成模型HUGS，可以从一段30分钟内的视频当中提...