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...

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...

LLaVA-MORE 是一项关于多模态大语言模型（Multimodal Large Language Models, MLLMs）的系统性研究，旨在评估不同语言模型和视觉骨干网络在 MLLMs 中的表现，并提供一个可复现的框架来比较这些架构。通过该研究，研...

DynamicVis 是一种用于遥感动态视觉感知的基础模型，能够高效解析超大型图像，同时显著降低内存和计算需求。该模型通过先进的算法优化，使得处理大规模遥感数据变得更为经济和高效，因此在遥感技术领域具有重要的应...

近期，一项关于大语言模型（LLMs）的研究揭示了其在处理复杂提示时是否具备多跳推理能力——即连接多个知识片段的推理过程。研究发现，这种潜在的推理过程确实存在，尤其在初始步骤中表现明显。然而，模型对连接知识的...

近日，GitHub上发布了一个名为“Tokenize an Image as a Set”的开源项目，该项目提出了一种全新的图像生成框架。该框架通过集合标记化（set-based tokenization）和新型离散扩散方法（discrete diffusion method），...

近日，GitHub上发布了一个名为LHM（Large Animatable Human Reconstruction Model）的开源项目，该项目展示了如何通过单张图像快速生成一个完全可动画的3D人体模型。这一技术突破不仅展示了计算机视觉领域的重大进展...

Hugging Face近期对其分析仪表盘进行了重大升级，新增了实时更新的AI推理终端监控功能。这一改进不仅显著加快了数据加载速度，还提供了关于请求延迟、错误率和性能指标的即时洞察。此次升级将使开发者能够更高效地监...