AI资讯新闻榜单内容搜索-Image

关键词: AI图像,模型训练,AI,Image-Textualization

在当今的多模态大模型的发展中，模型的性能和训练数据的质量关系十分紧密，可以说是 “数据赋予了模型的绝大多数能力”。

关键词: Tokenizer,token,模型训练,扩散模型

在生成式模型的迅速发展中，Image Tokenization 扮演着一个很重要的角色，例如Diffusion依赖的VAE或者是Transformer依赖的VQGAN。这些Tokenizers会将图像编码至一个更为紧凑的隐空间（latent space），使得生成高分辨率图像更有效率。

关键词: sora,DreamTech,3D-DiT,Direct3D

2024 年 5 月，DreamTech 官宣了其高质量 3D 生成大模型 Direct3D，并公开了相关学术论文 Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion Transformer。

关键词: AI,人工智能,AI工作,GPT-4o

OpenAI在5月14日推出了新一代人工智能模型GPT-4o，支持文本、音频和图像的任意组合输入，并能够生成文本、音频和图像的任意组合输出。仅仅一天后，谷歌就在新一届I/O开发者大会上发布、更新了十多款产品，包括AI助手Project Astra、文生图模型Imagen3、对标Sora的文生视频模型Veo，以及备受瞩目的大模型Gemini 1.5 Pro的升级版。

关键词: Transformer,AI框架,AI,模型训练,数据集

CRATE-α是一种新型Transformer架构变体，通过设计改进提升了模型的可扩展性、性能和可解释性，CRATE-α-Base在ImageNet分类任务上的性能显著超过了之前最好的CRATE-B模型，其性能会随着模型和数据集规模扩大而继续提升。

关键词: 李飞飞,人工智能,AI科学家,AI

要怎么介绍李飞飞？

关键词: AI视觉,模型训练,scaling,EfficientTrain++,AI算法

近年来，「scaling」是计算机视觉研究的主角之一。随着模型尺寸和训练数据规模的增大、学习算法的进步以及正则化和数据增强等技术的广泛应用，通过大规模训练得到的视觉基础网络（如 ImageNet1K/22K 上训得的 Vision Transformer、MAE、DINOv2 等）已在视觉识别、目标检测、语义分割等诸多重要视觉任务上取得了令人惊艳的性能。

关键词: 李飞飞,AI公司,空间智能,ImageNet,AI

前段时间，路透社独家报道了知名「AI 教母」李飞飞正在创建一家初创公司，并完成了种子轮融资。

关键词: 谷歌,Gemini,Agent,AI,AI视频

北京时间 5 月 15 日凌晨，在 OpenAI 春季发布会的第二天，2024 年谷歌 I/O 召开，这是一场充满了 AI 的发布会，谷歌对其旗下的多款 AI 产品发布了大更新，从基座模型 Gemini 到新的 AI 助手 Astra、新的文生视频模型 Veo，以及更强大的文生图模型 Imagen 3。

关键词: MagNet,AI架构,CVPR,模型训练,指代分割

指代分割 (Referring Image Segmentation，RIS) 是一项极具挑战性的多模态任务，要求算法能够同时理解精细的人类语言和视觉图像信息，并将图像中句子所指代的物体进行像素级别的分割。