人工智能研究机构Inception Labs近日正式发布了商用级扩散语言模型Mercury，标志着自然语言处理技术向大规模商业化应用迈出重要一步。该模型基于先进的扩散概率模型框架，通过多阶段训练策略实现了文本生成的稳定性...

谷歌最新宣布，Gemini Advanced用户即日起可利用Veo 2模型实现文本到视频的AI生成能力。这项突破性技术可将自然语言描述直接转化为1080P分辨率、具有电影质感的动态影像，标志着多模态AI在视频创作领域的重大进展。V...

研究人员通过渐进式渲染蒸馏技术（Progressive Rendering Distillation），成功开发出无需真实3D网格数据即可从文本提示生成高质量3D模型的新方法。这一名为TriplaneTurbo的创新系统仅需1.2秒即可完成生成，在速度和...

Roblox近日开源了其最新的AI模型Cube 3D，该模型能够通过文本提示生成3D对象，旨在提升创作效率。Cube 3D采用了先进的标记化技术，并通过授权和公开可用的数据集，以及Roblox自身的体验数据进行训练。未来，Cube 3D...

SynCity是一种革命性的系统，能够直接从文本提示生成详细的3D世界，而无需任何训练。该系统结合了2D图像生成器和3D生成器的优势，前者确保了艺术质量，后者则提供了精确的几何结构。SynCity以分块的方式构建场景，并...

在最新的研究进展中，科学家提出了一种广义离散扩散方法，该方法显著改进了在文本等离散数据上的扩散过程。这一创新通过引入一种广义的去噪过程和略微改进的掩码方案，使得训练过程更加高效，并赋予了模型自我校正输...

近日，一项名为“无损加速超长序列生成”的技术框架在GitHub上开源，旨在显著提升超长序列生成的处理速度，同时保持目标模型的固有质量。该框架支持高达100K tokens的序列生成，适用于需要处理大规模数据的场景，如自...

随着Vision Language Models（VLMs）的快速发展，传统的光学字符识别（OCR）技术正面临被取代的可能。VLMs结合了计算机视觉和自然语言处理的能力，能够更准确地理解和解析图像中的文本内容。与OCR相比，VLMs不仅能识...