香港中文大学MiuLar实验室、香港中文大学MMLab、字节跳动和上海人工智能实验室的研究人员推出SAM2POINT系统，它是一个用于三维（3D）分割的先进框架。三维分割是指在三维空间中识别和区分不同对象或场景的过程，类似于在照片中用标记笔圈出不同的物体。SAM2POINT利用了一种称为Segment Anything... 阅读全文

浙江大学、阿里巴巴集团 和Meta的研究人员推出新型音频编码模型WavTokenizer，它能够高效地将自然信号如语音、音乐和普通音频压缩成低维度的离散标记（tokens），以便于语言模型处理。简单来说，WavTokenizer就像是一个音频界的“压缩器”，能够把一段音频变成一串代码，这些代码既占用空间小，又能在需要的... 阅读全文

清华大学和香港科技大学的研究人员推出新型三维场景重建框架ReconX，econX的目标是从稀疏的视角（比如只有几张图片）重建出详细的三维场景。这就像用几张风景照片，来构建一个可以360度观看的三维模型。 项目主页：https://liuff19.github.io/ReconX GitHub：https://githu... 阅读全文

智谱AI和清华大学联合推出新型视觉语言模型家族CogVLM2，它们专门设计用于理解和处理图像与视频内容。简单来说，这些模型就像是拥有超凡视觉能力的智能助手，它们不仅能“看到”图像和视频里的内容，还能理解这些内容背后的含义，并根据这些理解来回答问题或者执行任务。 GitHub：https://github.com/THU... 阅读全文

你是否曾为寻找完美匹配的PNG图片而烦恼？现在，有了「PNG Maker」，这个问题迎刃而解。这是一款利用 AI 技术，根据你的文字描述快速生成透明背景 PNG 图片的工具。 快速、简单、免费 快速生成：只需几秒钟，AI 就能将你的描述转换成图片。 自定义设计：文字、颜色、形状...一切尽在你的掌控之中。 免费下载：所... 阅读全文

Epic Games本周要免费送《辐射经典合集》和《野卡橄榄球（Wild Card Football）》 ，领取时间为8月29日晚上23点到9月5日晚上23点，在此之前免费领取即可永久保留这些作品。下周的免费游戏是《足球经理 2024》以及《狙击手：幽灵战士契约（Sniper Ghost Warrior Contrac... 阅读全文

Seelen UI 是一个专为 Windows 10/11 用户设计的开源桌面环境，它提供了丰富的定制选项和窗口平铺管理器，使用户能够根据自己的风格和需求个性化桌面布局，从而提升工作效率和个性化体验。Seelen UI 的设计理念在于提供一种既美观又高效的用户界面，同时保持高度的可定制性，让用户可以根据自己的工作流程和... 阅读全文

AnythingLLM 是一款可以在本地电脑一件运行大语言模型的跨平台桌面客户端，支持 Windows、macOS、Linux，支持自选模型，也可以从软件内下载模型。它还支持嵌入模型、语音、转录，最重要的是可以实现完全离线，不依托任何云服务。@Appinn  ... 阅读全文

马克斯·普朗克信息学研究所，萨尔信息学校区、萨尔布吕肯视觉计算、交互和人工智能研究中心和弗莱堡大学的研究人员推出TEDRA，它可以让用户通过文本描述来编辑动态且逼真的3D角色模型。简单来说，TEDRA就是一个先进的“虚拟化妆师”，能够根据你提供的文本提示，比如“穿着卫衣的男人”，来改变3D角色的外观，同时保持角色的动作... 阅读全文

加州大学伯克利分校和Autodesk的研究人员推出新型机器人学习模型ICRT，ICRT的核心目标是通过一种新颖的“在上下文中学习”（in-context learning）方法，让机器人能够在没有额外训练的情况下，通过理解输入的上下文信息来执行新任务。例如，我们有一个机器人，需要它在不同的环境中执行拾取和放置物体的任务... 阅读全文

阿里巴巴、香港中文大学、香港感知与交互智能研究中心和北京航空航天大学的研究人员推出新型框架LLaVA-MoD，通过专家混合（MoE）知识蒸馏技术使大型多模态语言模型（MLLM）变得小型化。简单来说，LLaVA-MoD的目标是让一个小型的多模态语言模型通过学习大型模型的知识，来提高自己的理解和生成能力，同时保持较低的计算... 阅读全文

英伟达、佐治亚理工学院、UMD和香港理工大学的研究人员推出多模态大语言模型EAGLE，专门设计用于提升模型在处理视觉信息时的能力。简单来说，EAGLE项目的目标是让语言模型能够更好地“看懂”和理解图片，并将这些视觉信息与文本信息结合起来，以提高对复杂查询的响应质量。例如，如果用户问“图片中的商店几点开门？”EAGLE不... 阅读全文