视觉几何基础Transformer（Visual Geometry Grounded Transformer，简称VGGT）是一种前馈神经网络，能够直接从场景的一个、几个甚至数百个视角中推断出所有关键的3D属性，包括外部和内部相机参数、点云图、深度图以...

Video T1 是一种创新的视频处理技术，通过使用引导模型来拒绝不符合物理规律或用户指定提示的帧路径，显著提升了视频生成的质量。该技术的核心在于测试时计算（test time compute），这一方法在性能基准测试中表现出...

Midjourney近期发布了一项重要工作，旨在提升创意写作模型的多样性表现。该团队通过对一个较小的7B模型进行后训练，使其在创意写作任务中的表现超越了更大规模的开放和封闭模型。这一突破不仅展示了模型优化技术的潜...

DeepSeek最新发布的V3-0324模型在多个基准测试中表现优异，全面超越GPT 4.5，展现出显著的性能提升。这一新模型的推出不仅标志着DeepSeek在人工智能领域的技术突破，也为行业带来了新的技术标杆。V3-0324在自然语言...

近日，Unsloth团队宣布已成功解决了来自DeepMind的新开源权重模型——Gemma 3的一些技术难题。通过与Unsloth的工具包集成，开发者现在可以在免费的Google Colab实例上对Gemma 3进行微调训练。这一突破性进展不仅降低了...

Baichuan Omni 1.5 是一款支持文本、图像、视频和音频输入以及文本和音频输出的开源全模态基础模型。该模型采用任意到任意（any-to-any）的设计风格，属于原生多模态模型的一种典型代表。其核心技术在于使用了交错的...

近日，一项名为SISO的突破性技术引发了业界广泛关注。该技术通过在图像生成和编辑过程中迭代优化相似性损失，实现了无需训练的个性化处理。这一创新意味着用户可以在不进行复杂模型训练的情况下，快速生成或编辑出符...

随着深度学习技术的迅猛发展，其在医学影像处理领域的应用也日益广泛。最近，一个名为“Awesome MRI Reconstruction”的开源项目在GitHub上引起了广泛关注。该项目精心收集了大量关于深度学习在磁共振成像（MRI）重建...