idol24的博客

正文开始前，先派送福利扫码备注【送书】进群，参与免费寄送【破解深度学习（基础篇）】或【破解深度学习（核心篇）】（2选1）纸质图书抽奖活动，截止2024-11-05晚上10点也可自行购买，专属链接：作者：瞿炜，前新东方AI研究院创始院长，中国科学院大学教授、模式识别国家重点实验室客座研究员，哈佛大学、京都大学客座教授，美国伊利诺伊大学人工智能博士。他是国家部委特聘专家，曾任多个国际知名学术期刊编委...

本文来源 机器之心编辑部大型语言模型（LLM）的出现统一了语言生成任务，并彻底改变了人机交互。然而，在图像生成领域，能够在单一框架内处理各种任务的统一模型在很大程度上仍未得到探索。近日，智源推出了新的扩散模型架构 OmniGen，一种新的用于统一图像生成的多模态模型。OmniGen 具有以下特点：统一性：OmniGen 天然地支持各种图像生成任务，例如文生图、图像编辑、主题驱动生成和视觉条件生成...

CVPR 2024 | 绝！diffusion 扩散模型100+篇论文、40+方向30个方向130篇！CVPR 2023最全AIGC论文30个方向！ICCV 2023 最全AIGC论文25个方向！CVPR 2022 GAN论文汇总35个方向！ICCV 2021 最全GAN论文汇总超110篇！CVPR 2021 最全GAN论文梳理超100篇！CVPR 2020 最全GAN论文梳理在最新的视觉顶会...

1、CC-SAM: SAM with Cross-feature Attention and Context for Ultrasound Image Segmentation#ECCV2024 #SAM #图像分割 #医学图像Segment Anything Model (SAM) 在自然图像分割领域取得显著成功，但在医学成像领域的部署遇到了挑战。具体来说，该模型在处理具有低对比度、模糊边界...

针对最新的ECCV 2024研究成果，本文精心挑选汇总、并概述了21项使用扩散模型做3D相关的研究工作。1、3DEgo: 3D Editing on the Go!提出3DEgo，解决一个新问题，即通过文本提示指导从单目视频直接合成逼真的3D场景。传统方法通过一个三阶段过程构建一个文本条件的3D场景，涉及使用诸如COLMAP的Structure-from-Motion（SfM）库进行姿态估计，使用...

注：欢迎参加文末最新《多模态大模型》纸质新书包邮赠送活动！1、Data Augmentation via Latent Diffusion for Saliency Prediction显著性预测模型受限于有限多样性和标注数据的数量。诸如旋转和裁剪等标准数据增强技术改变了场景构成。提出一种新的用于深度显著性预测的数据增强方法，编辑自然图像同时保持真实世界场景的复杂性和变化性。由于显著性取决于高级和...

注：欢迎参加文末最新《多模态大模型》纸质新书包邮赠送活动！下文来源 机器之心随着大语言模型的飞速发展，角色扮演智能体（RPAs）正逐渐成为 AI 领域的热门话题。这类智能体不仅能够为人们提供陪伴、互动和娱乐，还在教育、社会模拟等领域展现出重要的应用潜力。然而，当前市面上的大多数角色扮演智能体都只会「文字聊天」，其理解能力仅限于单一的文本模态，远远无法与具备多模态感知能力的人类相比。这让我们不禁思...

本文来源 机器之心 编辑：小舟、陈陈LLaMA-Omni能够接收语音指令，同步生成文本和语音响应，响应延迟低至 226ms，低于 GPT-4o 的平均音频响应延迟 320ms。以 ChatGPT 为代表的大型语言模型（LLM）已成为强大的通用任务解决器，但大多数 LLM 仅支持基于文本的交互，这限制了它们在不适合文本输入输出的场景中的应用。GPT-4o 的出现使得通过语音与 LLM 进行交互...

‍‍下文来源 机器之心来自华南理工大学、新加坡国立大学、昆仑万维以及琶洲实验室的研究者们提出一种新的风格化手写文字生成方法，仅需提供单张参考样本即可临摹用户的书写风格，支持英文，中文和日文三种文字的临摹。一眼临摹 AI 的研究背景手写体自动临摹是一项有趣的 AI 生成式任务，用户只需将少量书写样本输入到笔迹模仿 AI 中，就能获得一套符合自己书写风格的电子字体。该字体可以用于社交和办公软件中，帮...

下文来源 AddressCLIP项目组 投稿 量子位 | QbitAI拔草星人的好消息来啦！中科院自动化所和阿里云一起推出了街景定位大模型，只要一张照片就能实现街道级精度的定位。有了模型的帮助，再也不用害怕遇到种草“谜语人”了。比如给模型看一张旧金山的街景之后，它直接给出了具体的拍摄位置，并列举了附近的多个候选地址。该模型名为AddressCLIP，基于CLIP构建。‍相关论文AddressC...

欢度中秋！【AI生成创作与计算机视觉】星球活动再起！仅需一杯奶茶价格 ，跟进AIGC+CV视觉前沿技术【AI生成创作与计算机视觉】知识星球2022、2023年开始，基于扩散模型的AI绘画、ChatGPT系列大模型主导的AIGC狂潮已来！大模型下的科研、工业应用方向，已在重构进行中！计算机视觉、图像处理方向已迎来新一轮变革！AIGC将渗透到每一个细分领域！跟进、学习了解最经典、最新、最前沿的AIG...

1、DataDream: Few-shot Guided Dataset Generation文生图扩散模型在图像合成中取得最先进结果，但尚未证明在下游应用的有效性。先前工作提出通过提供有限的真实数据访问来生成图像分类器训练数据。这些方法难以生成符合分布的图像或描绘细粒度特征，阻碍在合成数据集上训练的分类模型泛化。提出DataDream框架，在少量目标类别的少量真实示例引导下合成更忠实代表实际数据...

2025届（2025年毕业）的小伙伴看过来！！！长按下述二维码，搜寻心仪岗位，注意区分【社招】、【校招】，校招 请选择 岗位前缀 含【校招】字样的投递！（技术/产品/运营/设计/职能 均有），直接上传简历即可完成内推！▲ 务必长按上述二维码，才能直达内推链接，选岗投递即可以下海报转自 虎牙招聘...

1、InstructGIE: Towards Generalizable Image Editing最近的图像编辑方法的泛化能力仍受到限制。为应对这一挑战，引入了一种新的图像编辑框架，通过增强上下文学习能力和统一语言指令来提高泛化鲁棒性。该框架包括一个专门针对图像编辑任务进行优化的模块，利用VMamba模块和编辑位移匹配策略来增强上下文学习。此外，揭示一个特别设计用于纠正生成图像中的损坏细节（如人...

1、∞-Brush : Controllable Large Image Synthesis with Diffusion Models in Infinite Dimensions从错综复杂的领域特定信息中合成高分辨率图像仍是生成建模中的一个重大挑战，尤其适用于大图像域（如数字组织病理学和遥感）中的应用。现有方法面临着关键限制：像素空间或潜在空间中的条件扩散模型在超出它们训练的分辨率时就会失去保...

OpenAI再进化！全新GPT-4o mini发布，多模态AI更强大，在5月中旬，OpenAI向世界揭开了GPT-4o的神秘面纱，这个全能的多模态巨人站在了GPT-4的肩膀上，将人工智能的边界推向了新的高度！不难看出，AI大模型已是大势所趋！掌握大模型、多模态、LangChain、Fine-tuning技术的程序员、势必是未来更抢手、更具竞争力的AI技术人才！为了让大家更好的抓紧大模型机遇，特邀本...

本文来源 白交 衡宇 发自 凹非寺 量子位 | 公众号 QbitAI马斯克“最新直播”，不好好扣他那polo衫扣子，拿个手机打光晃来晃去。看他脑袋左转右转，嘴角扬起的微笑，ak都压不下去。Why啊？！答案揭晓——这活灵活现的马斯克，根本不是马斯克本马！而是一个最新AI换脸项目生成的：只需一张照片，就能换脸搞直播。不得不说，这样的马斯克还挺吓人的，有点鬼片怪蜀黍内味了~本地安装一下，就能达到实时...

本文来源 机器之心 编辑：陈陈用 FlexAttention 尝试一种新的注意力模式。理论上，注意力机制就是你所需要的一切。然而在实际操作中，我们还需要优化像 FlashAttention这样的注意力机制的实现。尽管这些融合的注意力机制大大提高了性能，且支持长上下文，但这种效率的提升也伴随着灵活性的丧失。对于机器学习研究人员来说，这就像是一种「软件彩票」—— 如果你的注意力变体不适合现有的优化...

正文开始前，先派送福利扫码备注【送书】进群，参与免费寄送【深度学习详解】纸质图书抽奖活动，活动截止日期2024-08-18晚上10点。也可自行购买，戳如下，专属 5折优惠！京东专属链接：GitHub上持续火爆的《LeeDL-Tutorial》项目，一发布就迅速获得了11.4K的星星！这个项目基于李宏毅老师“机器学习”课程，课程全网超过百万播放量，如今Datawhale新书《深度学习详解》终于...

3月6日，中国大学评价领先品牌CNUR正式发布了2024年人工智能专业评级排名。在本年度的榜单中，清华大学、南京大学、中国科学技术大学、上海交通大学、西安电子科技大学被评为“S级”。北京大学、哈尔滨工业大学、浙江大学、电子科技大学、华中科技大学被评为“A+”。关注公众号【机器学习与AI生成创作】，更多精彩等你来读如何跟进 AIGC+CV 视觉前沿技术？CVPR 2024 | diffusion扩散...