优惠 新型高效Transformer模型AVESFormer：专为实时音视频分割任务而设计
AI
标签：AVESFormer
AI
12个月前 (08-07)AI
中国科学院大学人工智能学院、中国科学院自动化研究所和中国铁塔股份有限公司的研究人员推出新型高效Transformer模型AVESFormer，它专为实时音视频（Audio-Visual, AV）分割任务而设计。音视频分割是一种多模态任务，目的是在像素级别上区分出视频中与声音源相对应的物体。这项技术在机器人感知、视频监控... 阅读全文
优惠 新型大型多模态模型LLaVA-OneVision：提高计算机视觉任务的性能，特别是在处理单图像、多图像和视频场景时的能力
AI
12个月前 (08-07)AI
这篇论文介绍了一个名为LLaVA-OneVision的新型大型多模态模型（LMMs），它是由多个机构共同开发的，包括字节跳动、南洋理工大学、香港中文大学和香港科技大学。这个模型的核心目标是提高计算机视觉任务的性能，特别是在处理单图像、多图像和视频场景时的能力。例如，你正在使用一个智能助手，你给它发送了一张你在旅行中拍摄... 阅读全文
优惠 开源框架RAG Foundry：专门用于增强大语言模型，特别是针对检索增强型生成（RAG）的应用场景
AI
标签：RAG Foundry
AI
12个月前 (08-07)AI
英特尔实验室推出开源框架RAG Foundry，它专门用于增强大语言模型（LLMs），特别是针对检索增强型生成（Retrieval-Augmented Generation，简称RAG）的应用场景。简单来说，RAG Foundry是一个多功能工具箱，它可以帮助研究者和开发者通过整合外部信息源来提升语言模型在特定任务上的... 阅读全文
优惠 MeshAnything V2系统：能够自动生成与给定形状对齐的艺术家创造的网格的模型
AI
12个月前 (08-07)AI
洋理工大学、清华大学、伦敦帝国理工学院和西湖大学的研究人员推出MeshAnything V2系统，它是一个能够自动生成与给定形状对齐的艺术家创造的网格（Artist-Created Meshes，简称AM）的模型。简单来说，MeshAnything V2就像一个聪明的3D设计师，可以根据你提供的形状或者描述，自动设计出... 阅读全文
