北京大学、程鹏实验室、兔展智能的研究人员推出视频压缩方法OD-VAE，它是为了提高潜在视频扩散模型（LVDMs）的效率而设计的。OD-VAE的核心目标是在保持视频重建质量的同时，尽可能地压缩视频数据，以便在生成视频时减少计算资源的消耗。例如，你是一名视频游戏开发者，需要生成大量的游戏内动画。使用OD-VAE，你可以将这... 阅读全文

昆仑万维推出新型音乐生成模型FluxMusic，它基于扩散模型和Transformer架构，能够根据文本描述生成音乐。这个模型特别之处在于它使用了一种称为“修正流（Rectified Flow）”的技术，以及在潜在的变分自编码器（VAE）空间中对旋律频谱进行操作。FluxMusic通过结合先进的文本处理技术和音乐生成算... 阅读全文

中国科学技术大学、微软亚洲研究院和上海交通大学的研究人员推出新型视频生成方法Compositional 3D-aware Video Generation，这个方法的核心是通过将视频分解成不同的3D概念，并利用大语言模型（LLM）来指导如何将这些概念组合成最终的视频。这个方法的创新之处在于它将视频生成过程分解为可控制的... 阅读全文

北京通用人工智能研究院 (BIGAI)、美国加州大学圣克鲁斯分校计算机科学与工程系、北京大学王选计算机技术研究所和通用人工智能国家重点实验室的研究人员推出新型视频理解框架VideoLLaMB，这个框架专门设计来处理和理解长时间视频内容，它通过一种特别的方式来编码整个视频序列，同时保留历史视觉数据，以此来提高模型在各种任... 阅读全文

Bean Heads 是一款开源程序，它的核心功能是随机生成多样化的角色和虚拟形象，非常适合应用在应用和游戏开发中。无论是个人爱好者还是商业开发者，都可以利用这项服务来创造独特的虚拟人物。 功能丰富，易于定制 Bean Heads 提供了丰富的角色定制选项，类似于大家熟悉的「捏脸」功能。你可以将这些个性化的虚拟形象应用... 阅读全文

清华大学的研究人员推出多模态语言模型Mini-Omni，它能够实时地进行语音交互。想象一下，你有一个智能助手，不仅能理解你说的话，还能用语音回答你的问题，就像和真人对话一样自然。Mini-Omni就是这样一个模型，它能够“听”和“说”，同时还能进行思考。 GitHub：https://github.com/gpt-om... 阅读全文

浙江大学、道富科技（浙江）有限公司、Salesforce 亚洲研究中心的研究人员推出一种新型的时间序列预测方法，名为VISIONTS。时间序列预测是一种预测未来数据点的技术，这些数据点是按照时间顺序排列的，比如股票价格、气温变化或者网站流量等。 GitHub：https://github.com/Keytoyze/Vi... 阅读全文

曾在2022年因测试影片在推特上引起热议的《持枪松鼠（Squirrel with a Gun）》终于正式登陆Steam、Epic平台，并将于10月15日推出PS5与Xbox版本。这款游戏以其高自由度和独特的幽默感，获得玩家的高度好评，被誉为拿枪版的《超级玛丽64》和《模拟山羊》的结合体。《持枪松鼠》目前发售特价9折，售... 阅读全文

GOG平台限时免费领取可爱风格的冒险游戏《Once Upon a Jester》，玩家将扮演杰斯特，与好友索克一起周游王国，即兴创作戏剧节目，在各地的舞台上表演。尽情歌唱，讲笑话，给观众留下深刻印象，成为著名皇家戏剧表演的明星！ 截止时间：2024年9月5日21时  ... 阅读全文

中山大学、上海人工智能实验室和商汤科技的研究人员推出一个名为CrossViewDiff的模型，它是一个用于卫星图像到街景图像合成的跨视角扩散模型。简单来说，这个模型能够将从高空卫星拍摄的图像转换成仿佛在地面上拍摄的街景图像。 项目主页：https://opendatalab.github.io/CrossViewDif... 阅读全文

kotaemon 是一个基于检索增强生成（RAG）技术的开源工具，它允许用户与文档进行交互式对话。kotaemon 的主要目的是提供一个简洁、可定制且功能丰富的用户界面，以便用户能够在其文档上进行问答，同时也为开发者提供了一个强大的框架来构建和定制自己的 RAG 管道。 主要功能特性 kotaemon 具备以下主要功能... 阅读全文

这篇论文介绍了一种名为CURLoRA的新型方法，它用于对大语言模型（LLMs）进行微调。CURLoRA利用了CUR矩阵分解技术，并结合了低秩适应（LoRA）的概念。这种方法主要解决了在持续学习过程中，如何减少模型的灾难性遗忘以及如何减少可训练参数数量这两个关键挑战。 GitHub：https://github.com/... 阅读全文