索尼推出新型文本到声音生成模型SoundCTM（Sound Consistency Trajectory Models），SoundCTM旨在为多媒体作品（如视频游戏、音乐和电影）创造声音内容，这些声音内容包括音效和Foley声音（指在后期制作中添加的声音 ...... 阅读全文

德国慕尼黑工业大学的研究人员推出NPGA（Neural Parametric Gaussian Avatars，神经参数高斯头像）的技术，它是一种用于创建高保真度、可控的3D虚拟头像的方法。这些头像能够从多视角视频录像中生成，并且具有精细的 ...... 阅读全文

谷歌发布论，探讨了大语言模型（LLMs）在发展高级心理理论（Theory of Mind，ToM）方面的能力。心理理论是一种人类能力，它允许我们推理和理解自己和他人的多重心理和情感状态，并且能够递归地进行推理（例如，我认 ...... 阅读全文

宾夕法尼亚大学、苹果和香港大学的研究人员推出新框架GECO（Generative Image-to-3D within a SECOnd），它能够在大约0.35秒内，使用单个图像作为输入，在单个L40 GPU上生成高质量的3D模型。GECO的目标是简化3D资产 ...... 阅读全文

加州大学圣地亚哥分校和Adob​​e 研究部的研究人员推出DITTO-2，它是用于音乐生成的人工智能技术。DITTO-2的核心目标是加速可控音乐生成过程，使其能够实时或更快地生成音乐，同时提高音乐质量和控制精度。例如，你是 ...... 阅读全文

蚂蚁集团推出新型检索增强型文本生成框架METRAG（Multi-layered Thoughts enhanced Retrieval-Augmented Generation），这个框架旨在解决现有大语言模型（LLMs）在知识密集型任务中遇到的一些问题，比如知识更新的不 ...... 阅读全文

浙江大学的研究人员推出新型框架PLA4D（Pixel-Level Alignments for Text-to-4D Gaussian Splatting），它用于将文本描述转换成4D内容，即动态的三维对象。这项技术的核心在于它能够理解和生成具有时间维度的3D对象 ...... 阅读全文

中国科学院自动化研究所、清华大学和微软亚洲研究院的研究人员推出综合性大语言模型（LLMs）对齐方法套件Xwin-LM，Xwin-LM的目标是确保这些强大的语言模型能够与人类的期望和价值观保持一致，尤其是当它们被集成到各 ...... 阅读全文

蚂蚁集团、南京大学和上海交通大学的研究人员推出AI视频检测工具DeMamba以及一个大规模的AI生成视频数据集GenVideo。这个工具和数据集的主要目的是帮助区分真实视频和由AI生成的假视频，以应对假信息传播的问题。DeM ...... 阅读全文

北京大学和阿里巴巴的研究人员推出新的代码生成基准测试——DevEval，它旨在评估大语言模型（LLMs）在实际代码库中的编程能力。例如，如果你是一个软件开发团队的负责人，你可能会使用DevEval来测试和比较不同的LLMs， ...... 阅读全文

上海交通大学和微软的研究人员推出Parrot，它是为了更高效地提供基于大语言模型（LLM）的应用程序服务而设计的。例如，有一个智能助手，它能够理解你的语言并帮你完成各种任务，比如写邮件、搜索信息、编写代码等。 ...... 阅读全文

微软在人工智能领域不断创新，去年将Bing AI（现更名为Microsoft Copilot）集成到了Microsoft Edge浏览器中，随后又推出了Suno AI音乐创作功能，用于制作个性化歌曲。确实，Copilot是一个非常实用的AI工具，它采用了 ...... 阅读全文