这篇论文介绍了一种名为IC⁠TC的基于文本条件的图像聚类方法，该方法利用视觉语言模型根据用户提供的文本描述对图像进行排序。IC⁠TC方法使用了预训练的视觉语言模型来生成图像和文本之间的嵌入，然后使用这些嵌入来聚...

OpenAI的Whisper Large v2音频转录模型发布了。这个模型采用了非常先进的技术，可以在不到10分钟的时间内转录出300分钟的音频。这一速度远远超过了之前的音频转录模型，对于信息的获取和处理提供了极大的便利。这个...

Stable Diffusion的团队推出了开放共情项目，旨在促进开源人工智能系统中的情感检测能力，以实现更真实的AI-人类交互。该项目的目标是推动AI系统开发，使其能够识别和适应用户的情感状态，并相应地作出反应。该项目...

近日，一项名为‘Real-Time Depth Estimation for Underwater Vehicles’的研究成果在GitHub上发布。该研究提出了一种针对水下车辆的模型，可以通过结合稀疏深度细节从单个图像中实时估计深度。该模型是通过深度学习框...

研究人员发现，当前领先的开源文本图像模型SDXL在推理时间上有了显著的加速，其速度提升了60%，同时体积缩小了50%。研究人员声称，在使用中，图像质量只有轻微的降低。

Polyfire是一个开源的后端管理平台，为AI应用提供一站式的解决方案。它包括数据管理、模型管理、部署和监控等功能，可以帮助开发团队快速搭建和管理AI应用的后端。Polyfire支持多种框架和语言，例如PyTorch、TensorF...

近日，研究人员开源了名为AgentTuning的GitHub仓库。该仓库提供了一种新的方法来调整语言模型。这种方法通过多个智能体任务中的交互轨迹来训练和调整语言模型，从而更好地适应不同的任务和场景。这种方法可以提高语...

DeepSparse是一种CPU推理运行时，它利用稀疏性加速神经网络推理。稀疏性是指神经网络中有很多权重为零的连接，DeepSparse利用这些零权重的连接，跳过不必要的计算，从而实现推理加速。DeepSparse是一个开源项目，可...