AI资讯新闻榜单内容搜索-CV

关键词: 6D物体,物体姿态估计框架,SAM-6D,具身智能,模型训练

物体姿态估计在许多现实世界应用中起到至关重要的作用，例如具身智能、机器人灵巧操作和增强现实等。

关键词: 字节,GLEE,目标感知基础模型,视频模型

近年来，LLM 已经一统所有文本任务，展现了基础模型的强大潜力。一些视觉基础模型如 CLIP 在多模态理解任务上同样展现出了强大的泛化能力，其统一的视觉语言空间带动了一系列多模态理解、生成、开放词表等任务的发展。然而针对更细粒度的目标级别的感知任务，目前依然缺乏一个强大的基础模型。

关键词: Adobe,A100,GAN模型,模型训练

简笔素描一键变身多风格画作，还能添加额外的描述，这在 CMU、Adobe 联合推出的一项研究中实现了。作者之一为 CMU 助理教授朱俊彦，其团队在 ICCV 2021 会议上发表过一项类似的研究：仅仅使用一个或数个手绘草图，即可以自定义一个现成的 GAN 模型，进而输出与草图匹配的图像。

关键词: 视觉增强,AI大模型,AI模型训练

虽然我从来没见过你，但是我有可能「认识」你 —— 这是人们希望人工智能在「一眼初见」下达到的状态。

关键词: OpenAI,多模态模型,程博文,模型训练

华人科学家程博文官宣即将入职OpenAI，加入后训练团队参与多模态模型研究。值得一提的是，他还是著名华人计算机泰斗Thomas Huang的学生。

关键词: AI透视眼,非模态分割,模型训练,AI学术

牛津大学 VGG 实验室 Andrew Zisserman 团队最新工作系统性解决了任意物体的遮挡补全问题，并且为这一问题提出了一个新的更加精确的评估数据集。该工作受到了 MPI 大佬 Michael Black、CVPR 官方账号、南加州大学计算机系官方账号等在 X 平台的点赞。

关键词: 具身智能,具身大模型,ManipLLM,工业AI

只靠一张物体图片，大语言模型就能控制机械臂完成各种日常物体操作吗？

关键词: SpeechGPT,自回归语音建模,模型训练,智能涌现,深度学习,自然语言处理

伴随着生成式深度学习模型的飞速发展，自然语言处理（NLP）和计算机视觉（CV）已经经历了根本性的转变，从有监督训练的专门模型，转变为只需有限的明确指令就能完成各种任务的通用模型

关键词: CVCL,对比学习模型,AI学习模型,多模态模型

有助于构建下一代多模态人工智能系统、开发能以更像人类的方式学习语言的人工智能系统。

关键词: GPT-4V,LLaVA,多模态模型

多模态大模型GPT-4V也会「有眼无珠」。UC San Diego纽约大学研究人员提出全新V*视觉搜索算法逆转LLM弱视觉宿命。