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...
Read MoreVideo 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...
Read MoreMidjourney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...
Read MoreDeepSeek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...
Read More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...
Read MoreBaichuan 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...
Read More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...
Read More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...
Read More