多伦多大学、 Vector Institute 、Snap和SFU的研究人员推出新方法VD3D（Video Diffusion 3D），它可以让大型视频扩散变换器（Video Diffusion Transformers）更好地控制3D摄像机的运动，从而在文本到视频生成的过程 ...... 阅读全文

大家在 Windows 系统上安装软件时，是否会先在 Microsoft Store 搜索？我会这样做，商店里没有才会去官网进行下载。不过通过Microsoft Store安装和管理软件也会有问题。那就是Microsoft Store的自动更新功能虽然很便 ...... 阅读全文

微信 AI 模式识别中心的研究人员推出一种新的训练方法，名为“Patch-Level Training”，用于提高大语言模型（LLMs）的训练效率。这种方法通过将多个词元（tokens）压缩成一个“补丁”（patch），从而减少序列长度，降低 ...... 阅读全文

复旦大学计算机学院、上海人工智能实验室和香港中文大学的研究人员推出Case2Code，旨在训练和评估大语言模型（LLMs）进行归纳推理。归纳推理是一种认知过程，通过观察例子或序列变化来推断潜在规则。在编程领域，这 ...... 阅读全文

北京航空航天大学和微软的研究人员推出新框架E5-V，，它利用多模态大语言模型（MLLMs）来实现通用的多模态嵌入（embeddings）。简单来说，E5-V可以帮助计算机更好地理解和处理图片和文字信息。比如，你给计算机一张 ...... 阅读全文

LMMs-Lab 团队 和南洋理工大学的研究人员推出评估框架LMMs-Eval，它是为了全面、低成本、无污染地评估大型多模态模型（LMMs）而设计的。想象一下，你有一个非常聪明的机器人助手，它可以看图片、读文字，甚至理解复 ...... 阅读全文

Nolano AI、蒙特利尔大学、印度理工学院 Kharagpur 分校、魁北克 AI 研究所和加州大学河滨分校的研究人员推出大语言模型（LLM）套件Spectra，这些模型经过了量化处理，以解决在大型语言模型推理过程中遇到的内存瓶颈 ...... 阅读全文

Escrcpy 是一个开源项目，它允许用户通过图形界面显示和控制 Android 设备。该项目由 Electron 驱动，无需账户，无广告，完全免费开源。它支持多种操作系统，包括 Windows、macOS 和 Linux，提供了一种无线的方式将 ...... 阅读全文

巴黎综合理工学院和Adob​​e 研究中心的研究人员推出新技术RRM，可以让我们在不同的光照条件下重新渲染3D场景。这在计算机图形学和虚拟现实中非常有用，因为它允许我们更真实地模拟和观察场景在不同光照条件下的外观 ...... 阅读全文

哥本哈根大学计算机科学系、里斯本大学高等技术学院 和Comcast 应用人工智能的研究人员发布论文，论文讨论的是“检索增强型图像描述生成模型的鲁棒性”。简单来说，就是研究一种可以通过查找相关信息来帮助生成图像描 ...... 阅读全文

哥伦比亚大学电气工程系的研究人员推出Speech Slytherin，探讨了一种新型的序列模型Mamba，并将其应用于语音处理的三个关键任务：语音分离、自动语音识别（ASR）和文本到语音合成（TTS）。Mamba是一种新型的序列模型 ...... 阅读全文

卡内基·梅隆大学的研究人员推出StyleSplat，这是一种将艺术风格应用到3D场景中的方法，使得3D模型能够呈现出不同的艺术效果。它能够将你选择的艺术风格应用到3D场景中的特定对象上，而不影响场景中的其他部分。例如 ...... 阅读全文