阿里巴巴推出新型工具套件“Data-Juicer Sandbox”，它旨在促进多模态数据和生成模型的协同开发。多模态数据指的是包含文本、图像、视频和音频等多种类型的数据。生成模型则是指能够基于输入数据生成新内容的人工智能模型，例如根据文本描述生成图像或视频。 例如，你是一位厨师，需要准备一道复杂的菜肴，你需要各种食材（... 阅读全文

阿里巴巴集团Qwen团队最新研发的大型音频-语言模型Qwen2-Audio。这个模型能够处理各种音频信号输入，并根据语音指令进行音频分析或直接文本回应。简单来说，Qwen2-Audio就像一个超级听力助手，不仅能听懂你说的话，还能根据你的声音指令做出反应。例如，你有一个智能助手，它不仅能听懂你说的话，还能分析你播放的音... 阅读全文

苏州大学计算机科学与技术学院人工智能研究所的研究人员发布论文，论文的主题是关于如何保护大语言模型（LLMs）中的个人隐私数据。随着AI技术的发展，大型语言模型在理解和生成自然语言方面表现出了惊人的能力，但同时也带来了隐私泄露的风险。这些模型可能会无意中记住训练数据中的个人信息，比如个人的名字、电子邮件地址、电话号码等敏... 阅读全文

发行商HypeTrain Digital宣布，为了庆祝《Intravenous 2》的上架，其旗下俯视角动作射击游戏《Intravenous》将在Steam平台限时免费一天。玩家可以在7月17日上午1:00前免费领取游戏，并永久保留至Steam收藏库。 游戏简介 《Intravenous》是一款于2021年7月27日发... 阅读全文

亲爱的游戏爱好者们，准备好重温经典了吗？Bungie工作室，这个曾为我们带来《命运》和《光环》等杰出作品的团队，在九十年代推出的经典FPS游戏系列《马拉松》如今以全新的面貌回归了！《马拉松》系列在开源社区的努力下焕发新生。初代作品《Classic Marathon》已经于2024年5月10日免费登陆Steam平台，紧随... 阅读全文

游戏爱好者们，注意啦！「第四の壁」工作室打造的视觉小说《异世界归来的我错过了爱情》发布了官方预告。这款游戏预计将于2024年8月在Kickstarter启动众筹活动，并计划在同年第四季度通过Steam平台发售。游戏将支持繁体中文、日文、英文界面与字幕，并提供日文完整语音。 星光熠熠的演员阵容 河北彩伽（河北彩花）：日本... 阅读全文

在数字时代，图片处理已成为我们日常生活和工作中不可或缺的一部分。无论是社交媒体分享、博客撰写还是电商运营，我们都希望图片既能保持高质量，又能快速加载。今天，我们要介绍的 imgto.xyz 就是这样一个满足您所有需求的免费在线图片处理工具。 一、主要功能： 免费图片压缩与优化 用户可以直接通过浏览器或移动设备快速压缩图... 阅读全文

佐治亚理工学院和谷歌的研究人员推出OmniNOCS，，它包含一个大规模的数据集和一个创新的模型，用于从二维图像中提取三维物体的姿态和形状。简单来说，OmniNOCS可以帮助计算机更准确地理解图像中的物体，知道它们是什么、它们的位置以及它们的方向。例如，你在开发一个自动驾驶系统，系统需要识别并理解周围车辆、行人和自行车的... 阅读全文

韩国科学技术院发布论文，论文的主题是关于如何提升个性化图像美学评估的规模化能力。简单来说，就是教会计算机如何根据个人的喜好来评估一张图片是否美观。这项技术可以想象成一个能够理解每个人审美偏好的智能助手。例如，你是一名摄影师，你希望从你拍摄的照片中挑选出最具视觉冲击力的作品。你可以上传一些你认为美观的照片给这个系统，系统... 阅读全文

苏黎世联邦理工学院、布拉格 CTU的研究人员推出WildGaussians，它用于在各种环境条件下进行高质量的3D场景重建。这项技术特别擅长处理那些在野外捕获的数据，比如存在遮挡、动态物体和不同光照条件的场景。例如，你手上有一堆在不同时间、不同光照条件下拍摄的某个地标的照片，比如布拉格的查理大桥或者罗马的特雷维喷泉。现... 阅读全文

南洋理工大学的研究人员推出新型视频帧插值方法GIMM（Generalizable Implicit Motion Modeling），视频帧插值是一种在两个已有视频帧之间生成中间帧的技术，它对于提高视频质量、创建新的视频视角以及视频压缩等应用至关重要。例如，你手里有一些照片，它们记录了一个人在做后空翻的整个过程，但是照... 阅读全文

卡内基梅隆大学和布法罗大学的研究人员推出数据引擎Map It Anywhere (MIA) ，它能够利用大规模的公共数据来增强从第一人称视角（FPV）图像预测鸟瞰图（BEV）地图的能力。简单来说，MIA能够帮助我们从人们日常拍摄的街景照片中自动创建出用于导航的地图。 项目主页：https://mapitanywhere... 阅读全文