搜索
音视频大语言模型在处理视频内容时，往往未能充分发挥语音的作用。video-SALMONN模型通过三部分创新：音视频编码和时间对齐、多分辨率因果Q-Former、多样性损失函数和混合未配对音视频数据训练。该模型不仅在单一模态任务上表现优异，更在视听联合任务中展现了卓越的性能，证明了其全面性和准确性。
Meta又双叒开源了！继去年初代SAM掀翻CV圈之后，SAM 2也完成了终极进化，不仅能分割图像，最惊艳的是还能分割视频。这下，CV可能就真的不存在了。
AI来了，游戏的“绿洲”还有多远？
本周一在丹佛举行的SIGGRAPH会议上，英伟达（纳斯达克股票代码：NVDA）首席执行官黄仁勋预览了他所认为的生成人工智能的下一波浪潮——物理人工智能（physical AI）。
7月30日，生数科技的视频生成大模型 Vidu 面向全球正式上线。
“生成的人物一转身就变成老外，怎么解决呢？”
防不胜防！黑客通过显示器数据线泄露的信号，就能偷窥你的屏幕内容。
又是发布即开源！ Meta“分割一切AI”二代SAM2在SIGGRAPH上刚刚亮相。
它来了它来了，苹果的Apple Intelligence终于与果粉见面了！
大型语言模型（LLM）展现出了令人印象深刻的智能水平。因此，确保其安全性显得至关重要。已有研究提出了各种策略，以使 LLM 与人类伦理道德对齐。然而，当前的先进模型例如 GPT-4 和 LLaMA3-70b-Instruct 仍然容易受到越狱攻击，并被用于恶意用途。