视觉模型

CogAgent 是由清华大学与智谱AI联合开发的一款先进的视觉语言模型（VLM），专为图形用户界面（GUI）的理解和导航而设计。该模型结合了低分辨率和高分辨率图像编码器，能够处理高达1120×112...

昨天，OPPO在深圳发布了其最新折叠手机OPPO Find N5，这款手机被誉为全球最薄的折叠屏手机，不仅搭载了更强大的处理器，还在结构、技术和交互上进行了多项创新。在发布会后，我们非常荣幸地参与了...

K1 是由 Kimi 发布的全新一代视觉思考模型，k1 模型基于强化学习技术打造，原生支持端到端图像理解和思维链技术，并将能力扩展到数学之外的更多基础科学领域。在数学、物理、化学等基础科学学科的基准能...

自美国OpenAI公司推出的ChatGPT风靡全球，并引发新一轮人工智能浪潮，国内外科技巨头争相布局大模型领域。 此次，我们梳理了2023年至今，阿里、百度、字节、腾讯、华为、小红书、美图、科大讯飞...

PaliGemma 2 是 Google 推出的最新一代AI视觉语言模型，它在前代基础上集成了视觉处理能力，能够识别、理解并与视觉输入互动，是一款支持简单微调的强大 AI 模型。

商汤科技近期宣布了重大战略重组，标志着其在人工智能领域的全新布局。据内部消息，公司董事长兼CEO徐立于12月3日致全体员工一封信，深入剖析了此次调整的动因及具体举措。 信中，徐立指出，为应对AI 2...

AnimateDiff-Lightning 是由 字节跳动公司（ByteDance Inc.）推出的一款高速文本到视频生成模型。该模型利用 渐进式对抗性扩散蒸馏技术，实现了在少步骤（4-8步推理）内生...

Mora 是一个由 Lehigh University 和 Microsoft Research 共同开发的多智能体视频生成框架。它旨在模拟并扩展 OpenAI 的 Sora 模型，通过分解视频生成任...

微软Phi-3，一款由微软AI研究院开发的开源小型语言模型，以其小巧的体积和较少的资源需求在AI领域引起了广泛关注。它包括Phi-3-Mini、Phi-3-Small和Phi-3-Medium三个版本...

在增强现实(AR)和人工智能(AI)的交汇点上，Meta的研究人员通过Transformer技术，开创了一种新颖的场景理解方法——SceneScript。这项技术以其70M的参数量，通过编码器-解码器...